生体模倣型視覚検出モデル：分数発火ニューロン回路を用いたイベント駆動型LGMDsの実装

2024-05-25 Sat
生体模倣型視覚 LGMD 発火ニューロンイベントカメラ衝突検出運動知覚多尺度スパイク周波数
学術報告：分数スパイキングニューロン回路に基づく生体模倣視覚検出モデルの研究スマート自動運転や無人飛行機の分野で、迅速かつ効果的に衝突を予測し回避行動をトリガーすることは非常に重要な応用価値を持っています。イナゴの巨大運動探知ニューロン（LGMDs）は衝突が発生する前に効果的に衝突を予測し、回避行動をトリガーします。この能力により、LGMDは衝突回避人工視覚システムの設計に理想的なモデルとなります。従来のCMOSカメラとは異なり、イベントカメラ（DVS）は生物の視覚システムの光受容体を模倣し、LGMDシステムの分野を低レベルでシミュレートし、高時間分解能、高動的範囲、および最小の動きぼけなどの利点を提供します。
背景と意義
今回の研究は、厦門大学のYabin Deng、Haojie Ruan、Shan He、Tao Yangおよび福州大学のDonghui Guoによって行われ、IEEE Transactions on Biomedical Engineering誌に「分数スパイキングニューロン回路に基づく生体模倣視覚検出モデル（A Biomimetic Visual Detection Model: Event-Driven LGMDs Implemented with Fractional Spiking Neuron Circuits）」というタイトルで発表されました。
本研究の動機は、現在のLGMDsに関する研究が二つの大きな陣営に分かれていることにあります。一つはシナプス前の視覚経路を強調し、もう一つはLGMDsニューロン自体の特性を強調します。現在の計算モデルは、多くの場合、LGMD単独のニューロンの生物物理的行動の記述を無視しており、これがバイオ解釈性と実際の応用の広範性を大きく制限しています。分数スパイキングニューロン（FSN）回路を導入ことで、本研究は二つの特性に基づく互換性のある生体模倣視覚モデルを構築し、LGMDsの行動を解釈し模倣することを目的としています。
研究方法とプロセス実験デザインと実施：研究は以下のいくつかのステップに分かれます：
イベントカメラ入力層： イベントカメラを使用し、従来のCMOSカメラではなく、画像を前処理しイベントストリームを生成します。これらのイベントストリームは各ピクセルの明るさの変化を反映し、パルスダイナミクスに似ています。
ON/OFF視覚経路： ON経路とOFF経路を定義し、それぞれが明るいから暗い、暗いから明るいイベントを処理します。イナゴの視覚経路をシミュレートすることで、複雑なシーンにおけるターゲットに対するモデルの応答を可能にします。
分数スパイキングニューロン回路（FSN）： FSN回路を導入し、LGMDsニューロンが複数のスケールでパルス周波数に適応するのをシミュレートします。FSNは樹状突起形態パラメータを変更することで、LGMDsの多尺度パルス周波数適応性（SFA）を模倣します。
イベント駆動モデルの実装： シナプス前抑制とシナプス後抑制を組み合わせ、複雑なシーンにおける衝突検出と接近オブジェクトの選択機能を完成させます。
データとアルゴリズム分析：ON/OFF経路計算： 任意の空間位置の各ピクセル点について、ON経路で生成された正信号とOFF経路で生成された負信号を計算し、それぞれが興奮性と側抑制信号を表します。
LGMDsニューロン回路モデル： 多尺度SFAと樹状突起形態パラメータを導入し、実験における単一LGMDニューロンの異なる電気刺激条件下での応答特性を検証します。
システムテスト： 複雑なシーンと実際の物理ビデオ実験を行い、高速移動オブジェクトの接近およびノイズが多いシーンでの衝突検出と選択能力をテストします。
実験結果単一のLGMDニューロン行動のシミュレーション：
異なる電流パルス刺激下で、FSN回路はバースト応答を模倣し、異なる期間の注入電流条件下で多尺度適応性を示しました。
実験は、FSN回路のパルス周波数適応性および時間定数範囲が生物LGMDsと一致することを証明し、その生物解釈性を立証しました。
システムテスト：
複数のオブジェクト運動モードに対する衝突選択テストでは、FSN回路が接近オブジェクトを効果的に選択し、衝突前に応答のピークを生成しました。モデルの応答は、イナゴの実験データに高度に一致しました。
実際のシーンでの物理刺激実験では、複雑な背景および高ダイナミックシーンにおいて優れた安定性とロバスト性を示しました。
低コントラストシーンテスト：
実験は、FSN回路がLGMDsニューロンの適応性特徴を再現でき、低コントラストおよび複雑な背景における強い抑制効果が実際に観察されたLGMDs行動と一致することを証明しました。
研究のまとめと応用価値本研究は、低レベルモデリングを通じて、イベント駆動カメラおよびFSN回路を組み合わせることで、生体模倣視覚検出モデルを提案します。このモデルは、視覚的不確定性下で非常に高いロバスト性と柔軟性を示し、迅速な応答能力を備えているため、将来の複雑なシーンにおける高速移動オブジェクトの検出およびナビゲーションに潜在的な応用価値を提供します。同時に、本研究は新しい多特性統合全特性シミュレーションに基づく生体模倣計算方法を拡張し、将来のニューロモルフィック計算およびインテリジェントロボットの発展の基礎を築きました。