文件大小：2.84M
摘要：利用传统计算机视觉技术来解决复杂场景中的碰撞检测问题是一项十分艰巨的任务，尤其是面临虚碰撞干扰时模型误检率较高而准确率较低。针对该问题，论文基于哺乳动物视网膜分层结构特性，借助灵长类动物大脑皮层中央前回多感觉皮质区（PZ）神经元对特定视野区的危险感知特性，提出了一种能有效降低复杂场景中虚碰撞干扰的生物启发式增强碰撞检测神经网络（ECDNN）。该网络包含突触前和突触后两部分神经子网络结构。其中，突触前子网络基于哺乳动物视网膜信息分层处理，逐级传递特性，从低阶视觉信息感知全局膨胀视焦点（FOE）来划分动态聚焦感受野，以此获取关键视觉信息。突触后子网络整合聚焦感受野内由迫近视觉刺激引发的膜电位兴奋响应，输出表征迫近碰撞危险的警报信号。实验表明，该模型不仅能有效过滤复杂场景中虚碰撞干扰，降低模型误检，还将碰撞检测准确率提升至96%以上，可为构建人工智能交互系统提供重要基础。
文章目录
0 引言
1 相关工作
1.1 碰撞检测技术调研
1.2 生物体迫近危险感知机理
1.3 FOE视觉响应特性
1.4 哺乳动物视网膜视觉神经通路
2 人工神经网络设计
2.1 突触前网络
2.1.1 P层
2.1.2 H层
2.1.3 RBC神经元
2.1.4 CBC神经元
2.1.5 B层
2.1.6 V3A神经元
2.1.7 S层
2.1.8 G层
2.2 突触后网络
2.3 神经网络算法与计算复杂度分析
2.3.1 神经网络算法
2.3.2 计算复杂度分析
3 实验研究
3.1 实验环境设置
