Artificial Neural Networks for Computer Vision

این تک نگاری حاصل تحقیقات اخیر نویسندگان در مورد توسعه الگوریتم ها برای چندین مشکل بینایی سطح پایین با استفاده از شبکه های عصبی مصنوعی است. مشکلات خاص در نظر گرفته شده عبارتند از استریو استاتیک و حرکتی، محاسبه جریان نوری، و رفع تاری تصویر. از نقطه نظر ریاضی، این مسائل معکوس بر اساس هادامارد بد مطرح هستند. محققان بینایی کامپیوتر رویکرد "قانونی سازی" را برای این مشکلات اتخاذ کرده اند، جایی که فرد با یک تابع انرژی یا هزینه مناسب می آید و حداقل را می یابد. محدودیت های اضافی مانند صافی، یکپارچگی سطوح و حفظ ناپیوستگی ها به طور صریح یا ضمنی به تابع هزینه اضافه می شوند. بسته به ماهیت وارونگی که باید انجام شود و محدودیت ها، تابع هزینه می تواند چندین حداقل را نشان دهد. بهینه سازی چنین توابع غیر محدب می تواند کاملاً دخیل باشد. اگرچه پیشرفت هایی در ایجاد تکنیک هایی مانند بازپخت شبیه سازی شده از نظر محاسباتی معقول تر حاصل شده است، به نظر ما اغلب می توان راه حل های رضایت بخشی را با استفاده از الگوریتم های بهینه سازی قطعی پیدا کرد.

This monograph is an outgrowth of the authors' recent research on the de­ velopment of algorithms for several low-level vision problems using artificial neural networks. Specific problems considered are static and motion stereo, computation of optical flow, and deblurring an image. From a mathematical point of view, these inverse problems are ill-posed according to Hadamard. Researchers in computer vision have taken the "regularization" approach to these problems, where one comes up with an appropriate energy or cost function and finds a minimum. Additional constraints such as smoothness, integrability of surfaces, and preservation of discontinuities are added to the cost function explicitly or implicitly. Depending on the nature of the inver­ sion to be performed and the constraints, the cost function could exhibit several minima. Optimization of such nonconvex functions can be quite involved. Although progress has been made in making techniques such as simulated annealing computationally more reasonable, it is our view that one can often find satisfactory solutions using deterministic optimization algorithms.