Распознавание по компонентам

Распознавание по компонентам — теория разработанная профессором когнитивной нейробиологии в Университете Южной Калифорнии Бидерманом (Biederman)^[1], согласно которой распознавание объектов происходит посредством наблюдения граней объектов и декомпозиции (разложения) объектов на геоны^{[неизвестный термин]}. Комбинации ограниченного числа геонов могут формировать огромное разнообразие объектов. Геоны обладают свойством элементарности и инвариантности к точке наблюдения, поэтому объекты, распознаваемые посредством декомпозиции на геоны, распознаются хорошо в условиях различной освещённости и зрительного шума, из разной перспективы. Невозможна зрительная идентификация посредством распознавания по компонентам объектов с неопределёнными границами и лица человека.

Теория геонов

Теория геонов (geon theory), также известная как теория распознавания по компонентам (Recognition-by-Components, RBC), была сформулирована Ирвингом Бидерманом из Университета Южной Калифорнии в 1987 году.

Представления Бидермана о восприятии формы основаны на понятии геон (сокращение от «геометрические ионы»). Согласно этой концепции, все сложные формы состоят из геонов, и мозг использует ограниченный набор базовых форм (называемых геонами) для интерпретации форм в реальном мире. Это упрощает наше непосредственное восприятие и уменьшает количество деталей в памяти, что позволяет избежать сенсорной перегрузки. Наш мозг упрощает визуальное восприятие форм, превращая их в сборки геонов.

Эта теория является одной из ключевых моделей в когнитивной науке, объясняющей, как люди распознают и идентифицируют трехмерные объекты, основываясь на их компонентных частях.

История теории геонов

Предпосылки

Исследования в области восприятия объектов начали активно развиваться в середине XX века. Несколько ключевых этапов привели к появлению теории геонов:

1. Гештальтпсихология (1920-е — 1940-е): Исследователи, такие как Макс Вертгеймер, Курт Кофка и Вольфганг Кёлер, предложили, что восприятие организовано в гештальты (целостные образы), а не как совокупность отдельных частей. Они подчеркивали принципы, по которым мозг организует визуальную информацию, такие как близость, сходство, продолжение и замкнутость.
2. Теория шаблонов (1950-е): В 1950-х годах теории шаблонов стали популярны. Эти теории предполагали, что объекты распознаются путем сопоставления с хранящимися в памяти шаблонами. Однако, эта модель не объясняла, как мы можем распознавать объекты с разными углами зрения или частичной окклюзией.
3. Теория прототипов (1960-е): Эта концепция предложила, что объекты распознаются по прототипам — усредненным представлениям категорий объектов. Тем не менее, она также сталкивалась с трудностями в объяснении распознавания объектов в сложных условиях.

Появление теории геонов

В 1987 году Ирвинг Бидерман предложил теорию распознавания по компонентам (RBC), основываясь на следующих наблюдениях и исследованиях:

1. Основные идеи: Бидерман предположил, что объекты можно разложить на ограниченное число базовых трехмерных форм, которые он назвал геонами (geons). Эти геоны служат строительными блоками для создания более сложных объектов.
2. Экспериментальные доказательства: Исследования Бидерман показали, что люди могут распознавать объекты даже при наличии шума или частичной окклюзии, если основные геоны остаются видимыми^[2].

Эволюция концепции

1980-е — 1990-е годы

После публикации теории Бидерманом, она стала объектом интенсивных исследований и дебатов:

1. Подтверждение и расширение: Многочисленные эксперименты подтвердили, что распознавание объектов основано на выделении ключевых компонентов. Исследования с использованием искусственных объектов и частичной окклюзии подтвердили важность геонов в визуальном восприятии^[3][4][5].
2. Критика и дискуссии: Некоторые исследователи критиковали теорию за ограниченность числа геонов и недостаточную объяснительную силу для сложных и текстурных объектов. Были предложены модификации и альтернативные модели, такие как теории структурного описания и методы на основе контуров^[6].

2000-е — настоящее время

Современные исследования продолжают развивать и уточнять теорию геонов:

1. Нейронаучные исследования: С использованием методов функциональной магнитно-резонансной томографии (фМРТ) и электроэнцефалографии (ЭЭГ), исследователи изучают нейронные корреляты распознавания объектов. Работы показывают, что определенные области мозга активируются при распознавании геонов и их сочетаний^{[7][8][9][10]}.
2. Психофизические эксперименты: Современные исследования фокусируются на изучении точности и скорости распознавания объектов в условиях разной детализации и окклюзии. Эти исследования подтверждают, что люди лучше распознают объекты, когда основные геоны остаются видимыми.
3. Алгоритмы компьютерного зрения: Теория геонов нашла применение в разработке алгоритмов машинного зрения. Современные системы, основанные на геонных моделях, способны эффективно распознавать и классифицировать объекты в различных условиях.

Современное состояние вопроса

На сегодняшний день теория геонов продолжает оставаться влиятельной моделью в когнитивной науке и компьютерном зрении. Она находит применение в различных областях, включая робототехнику, искусственный интеллект и нейронауки.

Применение и исследования

1. Компьютерное зрение и искусственный интеллект: Современные алгоритмы распознавания объектов часто используют принципы, предложенные в теории геонов, для создания более устойчивых и адаптивных систем.
2. Нейронауки: Исследования продолжают изучать, как мозг обрабатывает и распознает геоны, что помогает лучше понять механизмы восприятия и когнитивные процессы.
3. Психология восприятия: Текущие исследования фокусируются на изучении того, как люди распознают объекты в различных условиях, включая динамическое и изменяющееся окружение.

Основные положения теории

1. Геоны: Теория утверждает, что все объекты можно разложить на простые трехмерные формы, называемые геонами (geons). Геоны представляют собой базовые строительные блоки, из которых состоят более сложные формы^[11].
2. Распознавание по компонентам: Процесс распознавания объектов заключается в идентификации геонов и их пространственных взаимоотношений. По Бидерману, достаточно 36 геонов для описания большинства объектов, с которыми сталкиваются люди.
3. Иерархическая обработка: Визуальная система сначала выделяет основные контуры и границы, затем разлагает изображение на геоны и их связи, и наконец, интегрирует эту информацию для распознавания целого объекта.

Влияние теории

Когнитивная наука

Теория геонов внесла значительный вклад в понимание механизмов визуального восприятия. Она предоставила структурированную модель, объясняющую, как мозг декомпозирует и реинтегрирует визуальную информацию для распознавания объектов. Теория геонов помогла заложить основу для последующих исследований в областях нейронауки и психологии восприятия.

Компьютерное зрение

В области компьютерного зрения теория геонов оказалась полезной для разработки алгоритмов распознавания объектов. Модели, основанные на этой теории, демонстрируют высокую устойчивость к вариациям освещения, углов обзора и частичной окклюзии. Такие алгоритмы применяются в робототехнике, системах безопасности и анализе изображений.

Искусственный интеллект

В искусственном интеллекте теория геонов способствует разработке систем, способных к автономному восприятию и анализу окружающей среды. Эти системы используют принципы разложения объектов на базовые компоненты для улучшения точности и эффективности распознавания.

Примеры применения

Экспериментальные исследования

1. Психофизические эксперименты: В экспериментах, где участникам показывали объекты с частичной окклюзией, было обнаружено, что они могли успешно распознавать объекты, если основные геоны оставались видимыми. Это подтверждает важность геонов в процессе визуального восприятия^{[12][13][14][15]}.
2. Нейронаучные исследования: С использованием фМРТ и ЭЭГ, ученые обнаружили, что определенные области мозга активируются при распознавании геонов и их комбинаций. Это указывает на наличие специализированных нейронных механизмов для обработки базовых компонент объектов .

Реальная жизнь

1. Робототехника: В робототехнике алгоритмы, основанные на теории геонов, позволяют роботам эффективно ориентироваться в сложных средах, идентифицировать и манипулировать объектами^[16].
2. Системы безопасности: В системах видеонаблюдения и безопасности использование геонных моделей помогает в автоматическом распознавании и классификации объектов и лиц, улучшая надежность и точность этих систем.

Ограничения

Хотя теория геонов получила широкое признание, она также подвергалась критике. Основные замечания включают:

• Ограниченность числа геонов: Некоторые исследователи считают, что 36 геонов недостаточно для описания всех возможных объектов.
• Недостаточная объяснительная сила для сложных объектов: Теория может быть менее эффективной для распознавания объектов с высокой степенью детализации и текстурных особенностей^[17].

Примечания

1. Biederman, I. (1987). Recognition-by-components: A theory of human image understanding. Psychological Review, 94, 115—147.
2. Kenneth J. Hayworth, Irving Biederman. Neural evidence for intermediate representations in object recognition (англ.) // Vision Research. — 2006-11. — Vol. 46, iss. 23. — P. 4024–4031. — doi:10.1016/j.visres.2006.07.015. Архивировано 10 июля 2024 года.
3. Irving Biederman. Recognition-by-components: A theory of human image understanding. (англ.) // Psychological Review. — 1987. — Vol. 94, iss. 2. — P. 115–117. — ISSN 0033-295X. — doi:10.1037//0033-295X.94.2.115.
4. John E. Hummel, Irving Biederman. Dynamic binding in a neural network for shape recognition. (англ.) // Psychological Review. — 1992. — Vol. 99, iss. 3. — P. 480–517. — ISSN 0033-295X. — doi:10.1037//0033-295X.99.3.480.
5. William G. Hayward, Michael J. Tarr. Testing conditions for viewpoint invariance in object recognition. (англ.) // Journal of Experimental Psychology: Human Perception and Performance. — 1997. — Vol. 23, iss. 5. — P. 1511–1521. — ISSN 0096-1523. — doi:10.1037//0096-1523.23.5.1511.
6. Shimon Ullman. Aligning pictorial descriptions: An approach to object recognition (англ.) // Cognition. — 1989-08. — Vol. 32, iss. 3. — P. 193–254. — doi:10.1016/0010-0277(89)90036-X. Архивировано 3 июня 2024 года.
7. Kalanit Grill-Spector, Rafael Malach. THE HUMAN VISUAL CORTEX (англ.) // Annual Review of Neuroscience. — 2004-07-21. — Vol. 27, iss. 1. — P. 649–677. — ISSN 0147-006X. — doi:10.1146/annurev.neuro.27.070203.144220. Архивировано 9 ноября 2022 года.
8. Zoe Kourtzi, Nancy Kanwisher. Activation in Human MT/MST by Static Images with Implied Motion (англ.) // Journal of Cognitive Neuroscience. — 2000-01-01. — Vol. 12, iss. 1. — P. 48–55. — ISSN 0898-929X. — doi:10.1162/08989290051137594. Архивировано 4 июня 2024 года.
9. Jonathan S. Cant, Melvyn A. Goodale. Attention to Form or Surface Properties Modulates Different Regions of Human Occipitotemporal Cortex (англ.) // Cerebral Cortex. — 2007-03. — Vol. 17, iss. 3. — P. 713–731. — ISSN 1460-2199. — doi:10.1093/cercor/bhk022. Архивировано 4 июня 2024 года.
10. Yaoda Xu. Revisiting the Role of the Fusiform Face Area in Visual Expertise (англ.) // Cerebral Cortex. — 2005-08-01. — Vol. 15, iss. 8. — P. 1234–1242. — ISSN 1460-2199. — doi:10.1093/cercor/bhi006.
11. Barbara Kaup, Rolf Ulrich, Karin M. Bausenhart, Donna Bryce, Martin V. Butz, David Dignath, Carolin Dudschig, Volker H. Franz, Claudia Friedrich, Caterina Gawrilow, Jürgen Heller, Markus Huff, Mandy Hütter, Markus Janczyk, Hartmut Leuthold, Hanspeter Mallot, Hans-Christoph Nürk, Michael Ramscar, Nadia Said, Jennifer Svaldi, Hong Yu Wong. Modal and amodal cognition: an overarching principle in various domains of psychology (англ.) // Psychological Research. — 2024-03. — Vol. 88, iss. 2. — P. 307–337. — ISSN 0340-0727. — doi:10.1007/s00426-023-01878-w.
12. Mary A. Peterson, Bradley S. Gibson. Object recognition contributions to figure-ground organization: Operations on outlines and subjective contours (англ.) // Perception & Psychophysics. — 1994-09. — Vol. 56, iss. 5. — P. 551–564. — ISSN 0031-5117. — doi:10.3758/BF03206951.
13. Irving Biederman, Ginny Ju. Surface versus edge-based determinants of visual recognition (англ.) // Cognitive Psychology. — 1988-01. — Vol. 20, iss. 1. — P. 38–64. — doi:10.1016/0010-0285(88)90024-2. Архивировано 5 июня 2024 года.
14. Maximilian Riesenhuber, Tomaso Poggio. Hierarchical models of object recognition in cortex (англ.) // Nature Neuroscience. — 1999-11-01. — Vol. 2, iss. 11. — P. 1019–1025. — ISSN 1097-6256. — doi:10.1038/14819. Архивировано 15 мая 2024 года.
15. M. Sigman, C. D. Gilbert. Learning to find a shape (англ.) // Nature Neuroscience. — 2000-03. — Vol. 3, iss. 3. — P. 264–269. — ISSN 1097-6256. — doi:10.1038/72979. Архивировано 14 ноября 2023 года.
16. Pavel Slivnitsin, Leonid Mylnikov. Object Recognition by Components and Relations between Them // Informatics and Automation. — 2023-05-22. — Т. 22, вып. 3. — С. 511–540. — ISSN 2713-3206. — doi:10.15622/ia.22.3.2. Архивировано 4 июня 2024 года.
17. Robert Prentner. Consciousness and topologically structured phenomenal spaces (англ.) // Consciousness and Cognition. — 2019-04. — Vol. 70. — P. 25–38. — doi:10.1016/j.concog.2019.02.002. Архивировано 10 мая 2024 года.