导读:本文包含了感受野论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,磁共振,经典,功能,尺度,特征,视觉。
感受野论文文献综述
郭正华,陈立福[1]（2019）在《基于自适应感受野的DC-SSD目标检测算法》一文中研究指出传统卷积神经网络中,卷积单元缺乏对几何变换的处理能力,导致在检测不规则形状的目标时,提取的物体特征不够完整,降低了目标检测算法的性能。针对此问题,提出了一种基于自适应感受野的DC-SSD(Deformable Convolution Single Shot multibox Detector)目标检测算法。该方法在原始SSD框架的每一个池化层后面增加一个可变形卷积层,用来学习特征偏移量,使卷积单元以自适应感受野的方式学习不同几何变形物体的特征,从而提升检测算法性能。利用该算法在VOC2007数据集上进行实验验证,实验结果及分析证明,改进算法框架在VOC2007测试集上m AP达到79.3%,远高于原始SSD算法的74.3%,检测速度为57FPs,略低于原始SSD的59FPs。(本文来源于《工业控制计算机》期刊2019年05期）
屈巧俊[2]（2019）在《基于群感受野的早期视觉皮层注意调节机制研究》一文中研究指出目的:注意是人脑对外界信息选择性处理的认知过程,能够调节视觉认知,但注意缺陷存在于许多临床精神和神经类疾病患者中,因此,明确视觉注意的脑机制对于相关疾病的早期诊断及阐明机理有重要意义。方法:对视觉皮层群感受野(population recetive field,pRF)的研究能够从视觉信息处理的基本功能单位探讨大脑视觉认知。本研究将基于pRF实验的视觉刺激设计两种空间注意任务(注意中心和注意全视野),结合功能磁共振成像(fMRI)技术和pRF分析方法,对被试者早期视觉皮层(V1-V3)进行定位,并采用配对样本t检验分析不同注意任务下感兴趣区pRF大小变化。结果:(1)pRF方法获得的视网膜脑图比行波法获得的视网膜脑图更加精准;(2)在所有的被试中,pRF大小随着离心率的增大而增大,并且从V1-V3 pRF大小也逐渐增大;(3)基于离心率将视野分为中心视野(离心率为0-5°)和外周视野(离心率为5-10°)两部分,发现在注意全视野任务下,V3外周视野pRF明显小于注意中心任务下pRF(t(9)=4.7133,P=0.003),在V1、V2以及V3中心视野在两注意任务下pRF大小无统计学差异。结论:(1)早期视觉皮层可以通过改变V3外周视野pRF大小参与注意调节。(2)视觉皮层的注意调节作用基于离心率具有层次性。(本文来源于《山西医科大学》期刊2019-04-21）
杨雯[3]（2019）在《基于多尺度大感受野深度特征的多方向场景文本定位方法研究》一文中研究指出文字作为人类进行思想抽象和表达的重要媒介,本身蕴含着丰富的语义信息。文本定位通过检测图像内文本位置和轮廓,构成了后续文本识别和图像理解的基础。传统方法需要基于文本结构等经验知识提取文本特征,这种方法泛化能力和鲁棒性较差。深度学习将文本定位问题转化为目标检测和图像分割问题,为文本定位问题提供了全新的方法论。相比于传统的方法,深度学习方法有着更强的鲁棒性和更好的性能。本文针对场景文本定位中,对于尺度和面积变化大,和大分辨率文本实例定位效果差的问题,基于全卷积网络模型提出了文本定位网络模型。本文的工作如下:1.针对场景文本中存在文本实例面积悬殊,尺度大小变化大的问题,提出多尺度全卷积网络结构:(1)采用更深的特征融合层,将第2、3卷积层的特征图经过维度变换后进行融合,从而输出更大分辨率的特征图,为文本定位提供更精确的特征张量;(2)针对场景文本面积和尺度变化范围大的现象,借鉴GoogleNetInception模块设计了多尺度卷积结构:提取多尺度卷积特征从而学习更大范围的局部特征,提高检测性能。2.针对大分辨率文本实例的定位准确性不高的问题,提出了更大感受野的空洞卷积文本定位模型:(1)基于多尺度卷积模型,将第六个卷积层卷积核膨胀后实现空洞卷积,并调整第五池化层和相应上采样模块,增大网络的感受野;(2)在(1)的基础上,提出多尺度卷积层结构优化和参数精简方案:1)构建多尺度空洞卷积模块:将5×5的卷积核空洞化,形成膨胀率为2的3×3空洞卷积核,从而精简卷积参数;2)采用不对称通道数的多尺度卷积核,降低1×1和5×5卷积核通道数,加强3 × 3卷积核学习的局部特征,同时简化多卷积层参数。本文基于多方向中文场景文本数据库RCTW17进行实验。通过采用多尺度卷积,定位网络叁项指标平均提升23.5%,证明多尺度卷积方案有效;通过在网络深层采用空洞卷积,召回率、准确率和F1-measure获得提升,说明空洞卷积增大网络感受野方案有效;多尺度卷积层结构优化:(1)在多尺度卷积层中采用空洞卷积,定位网络的指标小幅下降,说明网络浅层使用空洞卷积不利于提高定位网络性能。(2)采用不对称通道数的多尺度卷积,网络虽然性能略微下降,但更易于训练。本文的文本定位模型在召回率、准确率、F1-measure上分别达到0.541、0.669,0.598。在相同的数据集上和FTSN、Seglink等先进方法相比,有着更高召回率和F1-measure,这说明本文的方法具有良好的性能。(本文来源于《华南理工大学》期刊2019-04-10）
彭智勇,马子骥,王超,刘宏立[4]（2019）在《采用非经典感受野交互的钢轨紧固件螺母中心多特征分级定位算法》一文中研究指出针对铁路紧固件图像易受周边环境干扰、导致其几何中心定位精度不理想的问题,提出一种紧固件螺母中心多特征分级定位算法。该算法在优化蝶形非经典感受野模型的刺激区和抑制区的基础上,设计一种路径非感受野交互模型以匹配紧固件特征,具备优异的干扰噪声抑制能力,能精确提取紧固件圆轮廓和六角轮廓特征。根据轮廓特征,多特征分级定位算法利用六角边之间的角度约束和距离约束关系,实现了不完整轮廓下的中心精确定位。实验结果表明:该算法在正常条件下和受光照影响条件下使圆检测准确率分别提高了3%和24%,具备干扰环境下的紧固件中心精确定位能力。(本文来源于《西安交通大学学报》期刊2019年04期）
窦燕,康锦华,王丽盼[5]（2019）在《结合人眼微动的新型非经典感受野模型》一文中研究指出基于眼球微动机理,提出了一种结合静态、动态机理的贴近非经典感受野的模型。该模型以感受野轴两侧的两个半椭圆环为非经典感受野抑制区,并在其中设立子区域。通过抑制方向角度模拟微动,结合抑制权值与图像亮度特征,得到最后能量值。研究结果表明,利用该模型提取目标轮廓时,可较好地抑制背景纹理,保留较多轮廓,相比于传统模型有较好的效果。(本文来源于《光学学报》期刊2019年03期）
叶静,方方,何东军[6]（2019）在《群感受野技术在感知觉的脑机制研究领域的应用》一文中研究指出体素(功能性磁共振成像的基本单元)的群感受野是指体素内所有神经元的联合感受野。通过使用非侵入式的群感受野技术,研究者可以获得人类大脑里每个体素的群感受野参数(包括:群感受野的位置和大小参数)。这些群感受野参数为研究感知觉的脑机制提供了一个很好的研究基础。虽然群感受野技术最近几年发展非常迅速,也已经广泛应用于感知觉的各个研究领域,但相关的综述类文章仍然缺乏。针对这一现状,本文首先对群感受野技术的研究方法进行了简单的介绍,其次对群感受野技术在感知觉的脑机制研究领域的应用进行了重点、详细的总结,然后分析了群感受野技术的应用优势和局限,最后结合我们的理解对群感受野技术的未来应用方向给出了建议。虽然,群感受野技术在感知觉的脑机制研究领域已经发挥了重要的作用,但这仅仅是这种技术应用的开始,未来它还将在感知觉的脑机制研究领域发挥更重要的作用。(本文来源于《生理学报》期刊2019年01期）
屈巧俊,张辉,王彬[7]（2018）在《基于血氧水平依赖的功能磁共振成像群感受野技术的原理、方法及应用》一文中研究指出传统视网膜脑图技术通过采用行波法研究视网膜与视皮层之间的拓扑映射关系,实现了无创地对人类视皮层功能区的划分。功能磁共振成像群感受野(population receptive field,p RF)技术的出现,使得人类视皮层的分区更加精确,更重要的是实现了对p RF特性分析。目前该技术已在视觉注意及临床疾病的视觉障碍研究中得到了应用。但在国内,该技术仍鲜有深入报道,本文就基于血氧水平依赖的功能磁共振成像(blood oxygen level dependent-functional magnetic resonance imaging,BOLD-f MRI)在视觉领域最新进展p RF技术作一综述。(本文来源于《磁共振成像》期刊2018年08期）
潘亦坚,林川,郭越,吴艳[8]（2018）在《基于非经典感受野动态特性的轮廓检测模型》一文中研究指出轮廓检测是计算机视觉的重要任务之一,并广泛地用于医学,工程,交通等领域.针对这些领域的检测需求,本文受非经典感受野动态特性的启发提出一种仿生型轮廓检测模型:在模拟初级视皮层(V1区)神经元的经典感受野响应时,用改进的神经元激活函数sigmoid提取局部尺度信息,然后用局部最优尺度代替现有模型中的全局感受野尺度,并将提取的局部最优尺度信息对非经典感受野抑制进行调制.基于RuG40和伯克利图像数据库的实验结果表明,本文的轮廓检测模型较同类模型获得了较高的性能评测指数,有效地提高了轮廓检测的性能.(本文来源于《广西科技大学学报》期刊2018年02期）
梁晓花[9]（2018）在《小鼠初级视皮层非经典感受野与gamma 节律研究》一文中研究指出在哺乳动物初级视皮层神经细胞的经典感受野外(classical receptive field,CRF)存在一个更广阔的非经典感受野区域(non-classical receptive field,nCRF),它对经典感受野的调制作用被认为是产生很多视知觉现象的神经基础,研究非经典感受野和经典感受野的相互作用有助于理解大脑对大范围图像特征的整合。节律性振荡绑定视觉特征也被普遍认为可能是初级视觉皮层神经元同步整合的机制。在这两种机制中,中间神经元都起了重要作用;从功能连接的相似性来看,节律性振荡与非经典感受野之间也是有关联的,然而目前关于两者之间的联合研究却很少。本文通过细胞外单通道神经电生理技术记录小鼠初级视皮层神经元响应,研究CRF与nCRF之间的中心外周相互作用和节律性振荡之间的关联,从细胞间的联系以及同步化活动等方面来理解gamma振荡在图像信息处理过程中的作用。本实验共采集到64个C57BL/6小鼠初级视皮层的细胞。通过面积整合特性我们将这些细胞划分为外周抑制型nCRF和外周易化型nCRF。我们发现小鼠初级视皮层的节律性振荡出现了频域上的双峰值,一个峰值位于20-30Hz(beta振荡),一个位于30-60Hz(gamma振荡)。我们的结果表明大多数beta振荡(49/60)和gamma振荡(42/48)的振荡强度与峰值频率之间并没有固定的关系。通过功率谱分析,C57BL/6小鼠初级视皮层的beta振荡和gamma振荡的幅度和细胞整合野类型有一定的关系:对于外周抑制型细胞而言,大多数beta振荡(36/47)和gamma振荡(26/34)也都呈现出抑制型;而对于外周易化型细胞而言,大部分beta振荡(7/13)和gamma振荡(8/14)也呈现出易化型。由上述结果,我们推测小鼠初级视皮层神经元的非经典感受野不仅仅是对感受野中心的细胞响应具有调制作用,还对beta振荡和gamma振荡等大脑节律性神经振荡也有相当的调节作用。(本文来源于《电子科技大学》期刊2018-04-01）
陈杰[10]（2018）在《基于感受野的图像视觉显着性特征提取算法》一文中研究指出本文提出了一个基于感受野的视觉显着性特征提取算法,解决了视觉显着性特征提取中的两个核心问题:目标区域显着性的定义和度量、显着区域空间尺度的检测和确定,它在目标识别和图像检索等多个领域都有着潜在的应用价值。将该算法在真实的遥感图像和自然场景图像上加以应用,均取得了令人满意的试验结果。(本文来源于《科技传播》期刊2018年06期）
感受野论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:注意是人脑对外界信息选择性处理的认知过程,能够调节视觉认知,但注意缺陷存在于许多临床精神和神经类疾病患者中,因此,明确视觉注意的脑机制对于相关疾病的早期诊断及阐明机理有重要意义。方法:对视觉皮层群感受野(population recetive field,pRF)的研究能够从视觉信息处理的基本功能单位探讨大脑视觉认知。本研究将基于pRF实验的视觉刺激设计两种空间注意任务(注意中心和注意全视野),结合功能磁共振成像(fMRI)技术和pRF分析方法,对被试者早期视觉皮层(V1-V3)进行定位,并采用配对样本t检验分析不同注意任务下感兴趣区pRF大小变化。结果:(1)pRF方法获得的视网膜脑图比行波法获得的视网膜脑图更加精准;(2)在所有的被试中,pRF大小随着离心率的增大而增大,并且从V1-V3 pRF大小也逐渐增大;(3)基于离心率将视野分为中心视野(离心率为0-5°)和外周视野(离心率为5-10°)两部分,发现在注意全视野任务下,V3外周视野pRF明显小于注意中心任务下pRF(t(9)=4.7133,P=0.003),在V1、V2以及V3中心视野在两注意任务下pRF大小无统计学差异。结论:(1)早期视觉皮层可以通过改变V3外周视野pRF大小参与注意调节。(2)视觉皮层的注意调节作用基于离心率具有层次性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
感受野论文参考文献
[1].郭正华,陈立福.基于自适应感受野的DC-SSD目标检测算法[J].工业控制计算机.2019
[2].屈巧俊.基于群感受野的早期视觉皮层注意调节机制研究[D].山西医科大学.2019
[3].杨雯.基于多尺度大感受野深度特征的多方向场景文本定位方法研究[D].华南理工大学.2019
[4].彭智勇,马子骥,王超,刘宏立.采用非经典感受野交互的钢轨紧固件螺母中心多特征分级定位算法[J].西安交通大学学报.2019
[5].窦燕,康锦华,王丽盼.结合人眼微动的新型非经典感受野模型[J].光学学报.2019
[6].叶静,方方,何东军.群感受野技术在感知觉的脑机制研究领域的应用[J].生理学报.2019
[7].屈巧俊,张辉,王彬.基于血氧水平依赖的功能磁共振成像群感受野技术的原理、方法及应用[J].磁共振成像.2018
[8].潘亦坚,林川,郭越,吴艳.基于非经典感受野动态特性的轮廓检测模型[J].广西科技大学学报.2018
[9].梁晓花.小鼠初级视皮层非经典感受野与gamma节律研究[D].电子科技大学.2018
[10].陈杰.基于感受野的图像视觉显着性特征提取算法[J].科技传播.2018
论文知识图
