| 講演名 | 2016-03-23 ハイブリッド型視差検出器を入力とする3層ニューラルネットワークによる両眼視差の識別 芝田 賢(京都産大), 田中 宏喜(京都産大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | V1野の両眼性複雑型細胞の多くは，左右受容野に位置ずれと位相ずれの両方をもつハイブリッド型視差エネルギーユニットとしてモデル化される．これらのユニットの信号から刺激の両眼視差をデコードする機構を理解するために，これらのユニットで入力層を構成した３層ニューラルネットワークにたいし，ランダムドットステレオグラム中の-0.5°から0.5°まで0.1°間隔の両眼視差を識別するよう逆誤差伝播法で学習させ，学習後の回路を解析した．学習後のネットワークは，今回用いた両眼視差を95%以上の確率で正しく識別した．入力層ユニット群の受容野位置ずれの範囲(-0.7°~ 0.7°)は，識別する両眼視差の範囲を十分カバーしていたにもかかわらず，中間層ユニットの大部分は，今回用いた最大の受容野位相ずれをもつ入力層ユニットと最も強く結合していた．本研究の結果は，今回のネットワークで両眼視差を識別するには，刺激の視差範囲に比べて相当広い範囲の両眼視差を処理伝達する必要があることを示しており，このことが，中間層ユニットが大きな受容野位相ずれをもつ入力層ユニットと強く結合する一因になっていると考えられる． |
| 抄録(英) | Binocular complex neurons in the primary visual cortex (V1) are successfully modeled as “hybrid-type” disparity-energy units whose receptive fields (RFs) contain both phase and position differences between the eyes. To understand the mechanisms for decoding stimulus binocular disparities using signals of these units, we constructed a three-layered neural network that included the hybrid-type units for the input layer and learned to classify binocular disparities (-0.5 to 0.5 degrees in 0.1 degree steps) in the random-dot stereograms. After learning, the hybrid-type network correctly (> 95%) classified the stimulus binocular disparities. Although the range of RF positional differences of the hybrid-type units (-0.7°~ 0.7°) is larger than that of the stimulus binocular disparities, nearly all of the middle-layer units are most strongly connected with the input-layer units whose RF phase difference is the maximum used in this experiment. The present results indicate that, for correct classification, the range of binocular disparities coded by the input layer should be considerably larger than that of stimulus binocular disparity. This may be one factor for the middle layer units being strongly connected with the hybrid-type units with large RF phase differences. |
| キーワード(和) | 両眼視差 / V1野 / ニューラルネットワーク / 視差エネルギーモデル |
| キーワード(英) | binocular disparity / V1 / neural network / disparity energy model |
| 資料番号 | NC2015-89 |
| 発行日 | 2016-03-15 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC |
|---|---|
| 開催期間 | 2016/3/22(から2日開催) |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | ME, 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 小林 哲生(京大) / 斎藤 利通(法政大) |
| 委員長氏名（英） | Tetsuo Kobayashi(Kyoto Univ.) / Toshimichi Saito(Hosei Univ.) |
| 副委員長氏名（和） | 福岡 豊(工学院大) / 佐藤 茂雄(東北大) |
| 副委員長氏名（英） | Yutaka Fukuoka(Kogakuin Univ.) / Shigeo Sato(Tohoku Univ.) |
| 幹事氏名（和） | 中村 和浩(秋田脳研) / 田中 久弥(工学院大) / 堀尾 恵一(九工大) / 田中 宏喜(京都産大) |
| 幹事氏名（英） | Kazuhiro Nakamura(akita noken) / Hisaya Tanaka(Kogakuin Univ.) / Keiichi Horio(Kyushu Inst. of Tech.) / Hiroki Tanaka(Kyoto Sangyo Univ.) |
| 幹事補佐氏名（和） | 笈田 武範(京大) / 堀江 亮太(芝浦工大) / 神原 裕行(東工大) / 秋間 学尚(東北大) |
| 幹事補佐氏名（英） | Takenori Oida(Kyoto Univ.) / Ryota Horie(Shibaura Inst. of Tech.) / Hiroyuki Kanbara(Tokyo Inst. of Tech.) / Hisanao Akima(Tohoku Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ハイブリッド型視差検出器を入力とする3層ニューラルネットワークによる両眼視差の識別 |
| サブタイトル（和） | |
| タイトル（英） | Classification of binocular disparities of a three-layered neural network with inputs of hybrid-type disparity detectors |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 両眼視差 / binocular disparity |
| キーワード(2)（和/英） | V1野 / V1 |
| キーワード(3)（和/英） | ニューラルネットワーク / neural network |
| キーワード(4)（和/英） | 視差エネルギーモデル / disparity energy model |
| 第 1 著者 氏名（和/英） | 芝田 賢 / Ken Shibata |
| 第 1 著者 所属（和/英） | 京都産業大学(略称：京都産大) Kyoto Sangyo University(略称：Kyoto Sangyo Univ.) |
| 第 2 著者 氏名（和/英） | 田中 宏喜 / Hiroki Tanaka |
| 第 2 著者 所属（和/英） | 京都産業大学(略称：京都産大) Kyoto Sangyo University(略称：Kyoto Sangyo Univ.) |
| 発表年月日 | 2016-03-23 |
| 資料番号 | NC2015-89 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | NC-514 |
| ページ範囲 | pp.113-117(NC), |
| ページ数 | 5 |
| 発行日 | 2016-03-15 (NC) |