Влияние модуля имитации сетчатки глаза человека на качество распознавания образов нейронной сетью

Аннотация

Рассмотрены влияние модуля имитации сетчатки глаза человека на возможность распознавания образов нейронной сетью, существующие программные модели сетчатки и их применение в задаче распознавания образов. Разработан модуль имитации сетчатки глаза человека. Модуль состоит из трех слоев. Первый слой имитирует рецепторы сетчатки глаза человека, предложены варианты расположения на этом слое программных рецепторов. Второй и третий слои модуля имитируют слои биполярных и ганглиозных клеток сетчатки. Для этих слоев разработан вариант организации рецептивных полей нейронов. Выполнена оценка качества работы модуля сетчатки глаза человека на задаче распознавания образов. Тестирование проведено на полносвязной нейронной сети. Создано две модели с одинаковыми параметрами. Одна обучалась на выборке изображений фруктов, сфотографированных с разных ракурсов, в оттенках серого, другая --- на той же выборке, но предварительно обработанной с помощью модуля имитации сетчатки глаза человека. Приведены графики обучения нейронной сети на обеих выборках, результаты распознавания образов нейронной сетью и рекомендации по использованию описанного модуля

Просьба ссылаться на эту статью следующим образом:

Меркелов М.В., Локтев Д.А. Влияние модуля имитации сетчатки глаза человека на качество распознавания образов нейронной сетью. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение, 2025, № 4 (153), с. 102--120. EDN: HJIVUH

Литература

[1] Шульга Т.Э. Актуальные задачи компьютерного зрения. Инновационные исследования: теоретические основы и практическое применение. Сб. статей по итогам Всерос. науч.-практ. конф. Уфа, АМИ, 2021, с. 88--92. EDN: GUFFZW

[2] Адамова А.А. Методы и технологии машинного обучения и нейросетевых технологий в задачах компьютерного зрения. Нейрокомпьютеры: разработка, применение, 2021, т. 23, № 4, с. 25--39. DOI: https://doi.org/10.18127/j19998554-202104-03

[3] Fukushima K. Neocognitron: a self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. Biol. Cybernetics, 1980, vol. 36, no. 4, pp. 193--202. DOI: https://doi.org/10.1007/bf00344251

[4] LeCun Y., Boser B., Denker J.S., et al. Backpropagation applied to handwritten zip code recognition. Neural Comput., 1989, vol. 1, no. 4, pp. 541--551. DOI: https://doi.org/10.1162/neco.1989.1.4.541

[5] Гладилин С.А. Математические модели для систем технического зрения. Дис. ... канд. физ.-мат. наук. М., ИППИ РАН, 2005.

[6] Lebedev D.S., Marshak D.W. Amacrine cell contributions to red-green color opponency in central primate retina: a model study. Vis. Neurosc., 2007, vol. 24, no. 4, pp. 535--547. DOI: https://doi.org/10.1017/s0952523807070502

[7] Утробин В.А. Модели организации поля рецепторов сетчатки глазного яблока. Труды НГТУ им. Р.Е. Алексеева, 2010, № 4, с. 63--69. EDN: NUXQZH

[8] Утробин В.А. Информационные модели организации сетчатки глазного яблока. Труды НГТУ им. Р.Е. Алексеева, 2010, № 3, с. 66--74. EDN: NVAXJN

[9] Утробин В.А. Модели организации поля рецепторов сетчатки глазного яблока. Датчики и системы, 2013, № 11, с. 37--43. EDN: RIUCVB

[10] Momiji H., Bharath A.A., Hankins M.W., et al. Numerical study of short-term afterimages and associate properties in foveal vision. Vis. Res., 2005, vol. 46, no. 3, pp. 365--381. DOI: https://doi.org/10.1016/j.visres.2005.08.031

[11] Маштаков А.П. Программный комплекс обработки изображений на основе модели зрения человека. Программные системы: теория и приложения, 2019, т. 10, № 4, с. 111--139. DOI: https://doi.org/10.25209/2079-3316-2019-10-4-111-139

[12] Wohrer A., Kornprobst P. Virtual Retina: a biological retina model and simulator, with contrast gain control. J. Comput. Neurosc., 2009, vol. 26, no. 2, pp. 219--249. DOI: https://doi.org/10.1007/s10827-008-0108-4

[13] Чупров А.Д., Синькова В.И., Кузнецов И.В. Теории цветовосприятия. Фоторецепторный аппарат сетчатки глаза. Современные проблемы науки и образования, 2021, № 6. DOI: https://doi.org/10.17513/spno.31287

[14] Школьник-Яррос Е.Г., Калинина А.В. Нейроны сетчатки. М., Наука, 1986.

[15] Говардовский В.И. Специфика физиологических и биохимических механизмов возбуждения и адаптации колбочек сетчатки. Сенсорные системы, 2015, т. 29, № 4, с. 296--308. EDN: VLAMEB

[16] Pirenne M.H. Vision and the eye. London, Pilot Press, 1948.

[17] Ahnelt P.K. The photoreceptor mosaic. Eye, 1998, vol. 12, no. 3, pp. 531--540. DOI: https://doi.org/10.1038/eye.1998.142

[18] Рожкова Г.И., Белокопытов А.В., Грачева М.А. Загадки слепой зоны и кольца повышенной плотности колбочек на крайней периферии сетчатки. Сенсорные системы, 2016, т. 30, № 4, с. 263--281. EDN: XDNLRH

[19] Jones L.A., Higgins G.C. Photographic granularity and graininess III. Some characteristics of the visual system of importance in the evaluation of graininess and granularity. J. Opt. Soc. Am., 1947, vol. 37, no. 4, pp. 217--263. DOI: https://doi.org/10.1364/josa.37.000217

[20] Roorda A., Williams D.R. The arrangement of the three cone classes in the living human eye. Nature, 1999, vol. 397, no. 6719, pp. 520--522. DOI: https://doi.org/10.1038/17383

[21] Алексеенко С.В. Структура сетчатки глаза человека: классические и современные данные. Сенсорные системы, 2019, т. 33, № 4, с. 269--286. DOI: https://doi.org/10.1134/S0235009219040024

[22] Judd D., Wyszecki G. Color in business, science, and industry. New York, Wiley, 1975.

[23] Измайлов И.А., Соколов Е.Н., Черноризов А.М. Психофизиология цветового зрения. М., Изд-во МГУ, 1989.