郑新想+段士雷

摘要：该文首先简单介绍多层次卷积ICA-HMAX模型；然后提出卷积核的可视化方法实现对不同层次卷积核的理解。提出采用ICA-HMAX模型的S3层特征实现不同类别的视觉的相似度计算。通过在Caltech101数据集上实现对不同的类别之间的视觉相似度计算，并与类别之间的语义相似度进行对比分析进而探讨语义相似与视觉相似之间的关系。

关键词：ICA-HMAX模型；视觉相似度；卷积核；语义相似度

中图分类号：TP317 文献标识码：A 文章编号：1009-3044（2016）08-0177-05

Abstract： This paper firstly introduces a multi-level convolutional ICA-HMAX model； then propose visualization methods of the convolution kernel convolution kernel to achieve different levels of understanding. Proposed using S3 layer feature of the ICA-HMAX model to achieve visual similarity calculation of different categories. By implementing different categories of visual similarity between calculated on Caltech 101 datasets， and compared with the semantic similarity between categories and further explore the relationship between semantic similarity and visual similarity between.

Key words： ICA-HMAX model ；visual similarity； kernel convolution kernel； semantic similarity

1 概述

21世纪以来，数字成像技术和存储技术得到了空前的发展；使得每天有数量巨大的数字图像进入人们的生活，成为人类生活、工作、娱乐中的组成部分。另一方面，互联网技术的发展给图像的迅速传播提供了有利的条件。此外，图像是视觉信息的重要来源之一，蕴含丰富的语义信息。图像理解是人工智能领域中的一个新的方向，其核心问题是研究如何使计算机能够像人脑一样有效正确理解图像中所表达的高层语义信息。

仿生多层模型在计算机视觉和人工智能邻域取得了显著的成果。20世纪末，Poggio和Riesenhuber根据IT皮层的生理学数据提出了标准HMAX模型[1]，该模型模拟视皮层中腹侧通路中简单细胞（Simple Cell）和复杂细胞（Complex Cell）的交替处理的功能，实现多层次特征提取。在此基础上，Serre等人提出一种具有随着层次的增加复杂度和不变性逐渐增强的图像特征表达[2]，并将其应用到真实场景的目标识别中，其识别性能明显优于传统的特征表达（如SIFT特征[3]）；……