Implémentation d'un système préattentionnel avec des neurones impulsionnels

• Main Author: Chevallier, Sylvain
• Language: FRE
• Published: Université Paris Sud - Paris XI 2009
• Subjects: [INFO:INFO_MO] Computer Science/Modeling and Simulation; [SPI:SIGNAL] Engineering Sciences/Signal and Image processing; [SDV:NEU] Life Sciences/Neurons and Cognition; réseaux de neurones impulsionnels; bio-inspiration; vision artificielle; attention visuelle
• Online Access: http://tel.archives-ouvertes.fr/tel-00472849; http://tel.archives-ouvertes.fr/docs/00/47/28/49/PDF/these.pdf; http://tel.archives-ouvertes.fr/docs/00/47/28/49/ANNEX/soutenance.pdf

Les neurones impulsionnels prennent en compte une caractéristique fondamentale des neurones biologiques : la capacité d'encoder l'information sous forme d'événements discrets. Nous nous sommes intéressés à l'apport de ce type de modèles dans le cadre de la vision artificielle, dont les contraintes nous ont orienté vers le choix de modèles simples, adaptés à la rapidité de traitement requise. Nous décrivons une architecture de réseaux pour encoder et extraire des saillances utilisant la discrétisation induite par les neurones impulsionnels. La carte de saillances est obtenue à partir de la combinaison, spatiale et temporelle, de différentes cartes de modalités visuelles (contrastes, orientations et couleurs) à différentes échelles spatiales. Nous proposons une méthode de filtrage neuronal pour construire les cartes de modalité visuelle. Cette méthode réalise le filtrage de façon graduelle : plus le temps de traitement alloué à l'algorithme est important, plus le résultat est proche de celui obtenu avec un filtrage par convolution. L'architecture proposée donne en sortie les saillances triées temporellement dans l'ordre de leur importance. Nous avons placé en aval de cette architecture un autre réseau de neurones impulsionnels, s'inspirant des champs neuronaux, qui permet de sélectionner la zone la plus saillante et de maintenir une activité constante sur cette zone. Les résultats expérimentaux montrent que l'architecture proposée est capable d'extraire des saillances dans une séquence d'images, de sélectionner la saillance la plus importante et de maintenir la focalisation sur cette saillance, même dans un contexte bruité ou quand la saillance se déplace.