Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Patricia Bimböse und Hannah Zipprich, 22.05.2006 Kodierung natürlicher Szenen im visuellen System.

Ähnliche Präsentationen


Präsentation zum Thema: "Patricia Bimböse und Hannah Zipprich, 22.05.2006 Kodierung natürlicher Szenen im visuellen System."—  Präsentation transkript:

1 Patricia Bimböse und Hannah Zipprich, Kodierung natürlicher Szenen im visuellen System

2 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

3 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

4 3 Bedingungen Aufgabe Rechnerische Möglichkeiten Umgebung, in der der Organismus lebt Bedingungen für Systementwicklung

5 „We believe the answer is that the visual system organizes itself to represent efficiently the sorts of images it normally takes in, which we call natural scenes.” Bruno A. Olshausen und David J. Field, 2000

6 Einkommende Signale – Welche Umgebung? – Statistische Eigenschaften In welcher Zeit? Welche Neurone? Interpretation der Antwort Bedingungen für Systementwicklung

7

8 Privat

9

10

11

12 Privat

13

14

15

16

17

18

19

20 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

21 “The situation may be likened to trying to understand how birds fly without knowledge of the principles of aerodynamics: no amount of experimentation or measurements made on the bird itself will reveal the secret. The key experiment [is] measuring air pressure above and below the wing as air is passed over it […]. Bruno A. Olshausen, 2003

22 Eigenschaften natürlicher Szenen

23 Röhrbein, Florian: Visuelle und intersensorische Informationsverarbeitung: Signalstatistische Analyse und psychophysische Experimente. Unter: /content/below/index.xml, Zugriff am

24 Erste OrdnungZweite OrdnungHöhere Ordnung Bildstatistik und Ordnungen Eigenschaften natürlicher Szenen Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 240, 241 Röhrbein, Florian: Visuelle und intersensorische Informationsverarbeitung. Dissertation. München 2004, S. 32

25 Erste Ordnung – Leuchtdichtendiagramm Histogramm Eigenschaften natürlicher Szenen Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 239

26 Zweite Ordnung – Korrelationen zwischen Bildpunkten Eigenschaften natürlicher Szenen Röhrbein, Florian: Visuelle und intersensorische Informationsverarbeitung. Dissertation. München 2004, S. 34 Autokorrelationsfunktion Simoncelli, Eoro P.; Olshausen, BA: Natural Image Statistics and Neural Representation. Annual Review in Neurosciences, 2001, 24: S. 1201

27 Phasenkohärenz Höhere Ordnungen – Phasen Eigenschaften natürlicher Szenen Sekuler, Allison B.; Bennett, Patrick J.: Visual neuoroscience: Resonating to natural images. Current Biology, Vol. 11, No. 8, 2001: S. R735

28 Fraktale Benoît Mandelbrot (1975) Selbstähnlichkeit  Skaleninvarianz Fraktale Dimension Entstehung z.B. durch Iteration Eigenschaften natürlicher Szenen

29 Fraktale Koch-Kurve Eigenschaften natürlicher Szenen

30 Fraktale Koch-Kurve Eigenschaften natürlicher Szenen

31 Fraktale in der Natur Eigenschaften natürlicher Szenen

32 Eigenschaften natürlicher Szenen Fraktale in der Natur

33 Eigenschaften natürlicher Szenen Fraktale in der Natur

34 Fraktale Eigenschaften natürlicher Szenen Xaos

35 Skalen-Invarianz Kalibrierungsunabhängig –verschiedene Bilddaten –unterschiedliche Medien –unterschiedliche Auflösung –auch bei Rekalibrierung Eigenschaften natürlicher Szenen

36 Ruderman, Daniel L. et al: Origins of Scaling in Natural Images. Vision Research, 1997, Vol. 37, No. 23: S. 3393

37 Eigenschaften natürlicher Szenen Ruderman, Daniel L. et al: Origins of Scaling in Natural Images. Vision Research, 1997, Vol. 37, No. 23: S. 3390, 3392

38 Farbe Absorption Varianz in Erscheinung Schwache Zusammenhänge Eigenschaften natürlicher Szenen Weitere Eigenschaften

39 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

40 “Clearly, the definition of an efficient, or optimal, code depends on two parameters: the goal of the code and the statistics of the input.” David J. Field, 1987

41 Mathematische Analyseverfahren – Analyse nach Ruderman – Fouriertransformation – Gaborfunktion

42 Originalbild Frequenz Raum Fouriertransformation Raum Real Imag. Frequenz Mathematische Analyseverfahren Nach: Field, DJ: Relations between the statistics of natural images and the response properties of cortical cells. Journal Optical Society of America, Vol.4, No. 12, Dezember 1987: S. 2380

43 Unter: Zugriff am Mathematische Analyseverfahren Prinzip der Fouriertransformation Ziel = Rechtecksignal t U

44 Mathematische Analyseverfahren A ~ 1/f E ~ 1/f² Field, DJ: Relations between the statistics of natural images and the response properties of cortical cells. Journal Optical Society of America, Vol.4, No. 12, Dezember 1987: S Amplitudenspektrum

45 Mathematische Analyseverfahren Field, DJ: Relations between the statistics of natural images and the response properties of cortical cells. Journal Optical Society of America, Vol.4, No. 12, Dezember 1987: S Energie

46 Originalbild Frequenz Raum Fouriertransformation Raum Real Imag. Frequenz Raum Real Imag. Frequenz Raum Real Imag. Gabortransformation Mathematische Analyseverfahren Nach: Field, DJ: Relations between the statistics of natural images and the response properties of cortical cells. Journal Optical Society of America, Vol.4, No. 12, Dezember 1987: S. 2380

47 Rezeptiven Felder im Kortex V1 der Katze ähneln Gaborfunktionen Gaborfunktion Mathematische Analyseverfahren Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 242 Rezeptives Feld Gaborfunktion

48 Experiment Field Filterung eines Bildes mit einer Gaborfunktion Mathematische Analyseverfahren Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 243

49 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

50 Speicherplatz sparen Redundanz minimieren Rauschen minimieren Energie sparen Gute Weiterverarbeitung Optimierung von Kodierung Mathematische Analyseverfahren

51 „Efficient representation of information by a population of neurons requires that their responses to the natural environment be statistically independent […].“ Barlow 1961

52 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

53 Visuelles System Kodierung im visuellen System Unter: Zugriff am

54 Visuelles System Kodierung im visuellen System Unter: hvsinne/sehen/sbahn.jpg, Zugriff am Thalamus - CGL Primäre Sehrinde Retina Sehnerv

55 RETINA CGL V1 Visueller Input REDUNDANZREDUKTION Erweiterung Redundanz  Kompromiss 25:1 Verhältnis Photorezeptoren Ganglienzellen Kodierung im visuellen System

56 Retina – Histogrammegalisierung Kodierung im visuellen System Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 240 Histogramm natürliches Bild Histogrammegalisierung

57 V1 - Kortex Local Codes – Dense Codes Kodierung im visuellen System

58  Sparse Codes  Minimale Redundanz Wenig Aktionspotentiale Dense Codes Kodierung im visuellen System Local Codes Hohe RedundanzGroße Zellzahl nötig

59 V1 - Kortex Local Codes – dense Codes Kodierung im visuellen System Lifetime Sparseness – Population Sparseness Klassische – nicht-klassische RF Theoretisches Modell Experimenteller Beweis

60 Theoretisches Modell Kodierung im visuellen System Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 243

61 Kodierung im visuellen System Theoretisches Modell Olshausen, BA; Field, DJ: Vision and the Coding of Natural Images. American Scientist, 2000, Vol. 88: S. 244

62 Experimenteller Beweis 1 Kodierung im visuellen System Vinje, William E.; Gallant, Jack: Sparse Coding and Decorrelation in Primary Visual Cortex During Natural Vision, Science, Vol. 287,2000: S. 1274

63 Experimenteller Beweis 1 Kodierung im visuellen System Olshausen, BA; Field, DJ: Sparse Coding of sensory inputs. Current Opinion in Neurobiology, 2004,14: S. 485

64 Kodierung im visuellen System Experimenteller Beweis 2 Vinje, William E.; Gallant, Jack: Sparse Coding and Decorrelation in Primary Visual Cortex During Natural Vision, Science, Vol. 287,2000: S. 1274

65 Vorteile Kodierung im visuellen System Größere Kapazität im Gedächtnis Struktur natürlicher Bilder wird eindeutig Energie sparen Erhöhen Signal/Rauschen – Verhältnis

66 Bedingungen für Systementwicklung Eigenschaften natürlicher Szenen Mathematische Analyseverfahren Optimierung von Kodierung Kodierung im visuellen System Ausblick Kodierung natürlicher Szenen

67

68 Fragen ? und Diskussion…

69


Herunterladen ppt "Patricia Bimböse und Hannah Zipprich, 22.05.2006 Kodierung natürlicher Szenen im visuellen System."

Ähnliche Präsentationen


Google-Anzeigen