gabor filter
troy dongdong troy
今天再次遇到这个概念，就查了一些相关资料，总结在附件中
gabor函数特点和人类视觉细胞的receptive field反映特点十分相似
使用gabor filter对图像滤波，模拟了人类感光细胞对光线刺激的反应
顺便推荐一个网站：
http://cbcl.mit.edu/index.html
这是poggio领导的一个实验室，poggio的一个重要工作时建模了视觉的hierarchy architecture
我觉得hierarchy architecture是智能实现的最重要环节，如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
我最近在读这方面的paper，感兴趣的人可以一路~
jake
在2010-03-22，"troy dongdong troy" <not...@gmail.com> 写道：
-----原始邮件-----
发件人:"troy dongdong troy" <not...@gmail.com>
发送时间:2010年3月22日 星期一
收件人:swarmag...@googlegroups.com
主题:[swarmagents_ai] gabor filter
--
您收到此邮件是因为您订阅了 Google 网上论坛的“集智AI(人工智能)讨论组”论坛。
要向此网上论坛发帖，请发送电子邮件至swarmag...@googlegroups.com。
要取消订阅此网上论坛，请发送电子邮件至 swarmagents_ai+unsub...@googlegroups.com。
若有更多问题，请通过 http://groups.google.com/group/swarmagents_ai?hl=zh-CN 访问此网上论坛。
troy dongdong troy
01-_-19
在2010-03-22 22:26:23，"troy dongdong troy" <not...@gmail.com> 写道：
……如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
我最近在读这方面的paper，感兴趣的人可以一路~
东方隐
troy dongdong troy
在我做computational visual时觉得现在的算法在提取feature point的程度上已经超过人了。
但是在建立hierarchy architecture上面却输得一塌糊涂，现在的做法都是提取完feature point（这应该是视觉皮层V1干的事情吧），之后直接做recognition 或者 categorize，而人是通过多个皮层最后才实现人脸的识别或者动物植物的分类。从这个角度上讲现在的技术只是赢得了细节输给了结构。所以看到poggio在做hierarchy architecture的时候就很激动
之所以说在提取feature point上现在的算法超过了人是基于这篇文章
2005 Object Recognition with Features Inspired by Visual Cortex
这篇文章piggio使用gabor 模拟了不同感光细胞的receptive field，并且使用提取的feature point来做recognition，但是效果和现在的主流方法比起来还是有差距的
要取消订阅此网上论坛，请发送电子邮件至 swarmagents_a...@googlegroups.com。
Miner
东方隐，希望你讨论科学时与哲学分开，对哲学和宗教的不同见解不影响对科学的讨论，就好比你信奉佛教、基督教还是无神论，信奉唯物还是唯心，都可以接受
或者不接受进化论。科学有公认的评判体系，你提出你的理论和证据，大家自然可以评判，无须接受或不接受现象学。
你若想说明"人脑的规律是不完全能被当作一台计算机理解的，把人脑当作计算机看，是和地心说一样，会走入误区的"，请先给出你对计算机的定义，以及你
对"什么是理解"的定义，然后说明你为什么认为"人脑的规律是不完全能被当作一台计算机理解的"，这样大家才能在同一语境下讨论你提出的问题，否则各说
各话，那不是讨论科学的方式。
On Mar 23, 11:04 am, 东方隐 <dfy...@hotmail.com> wrote:
> 新的视角早就有了，就是现象学的那一整套理论，不过贫僧最近去听了一些哲学的课程。感觉现象学根本没有被主流文化所接受。更不要说被科学界所接受。建议果蝇小姐先把GEB好好读一读，把唯物的那些根深蒂固的观念先放一放。人脑的规律是不完全能被当作一台计算机理解的，把人脑当作计算机看，是和地心说一样，会走入误区的。
>
> 比如上次说画符的事情，并不是因为我是画符的专家，而是打一个比方，希望大家能够开放心胸。对很多看上去很唯心的事情也去研究一番，作一点疯狂的设想，很可能是会有收获的。
>
> From: 01-_-19
> Sent: Tuesday, March 23, 2010 10:45 AM
> To: swarmag...@googlegroups.com
> Subject: Re:[swarmagents_ai] gabor filter
>
> 从我的领域看，这个非常非常难。可能是因为大家都在死扣细节而没有从整体上寻找规律吧。欢迎提供新的视角。
>
> 在2010-03-22 22:26:23，"troy dongdong troy" <not...@gmail.com> 写道：
>
> ......如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
>
> 我最近在读这方面的paper，感兴趣的人可以一路~
>
>
东方隐
Ŀ�ľ��������������������ѧ��Ҫ�ȶ��壬Ȼ�����������Ŀ�������������⡣��˭˵һ����Ҫ����ģ�˭˵һ��Ҫͬһ���ﾳ�ģ�˭��˵��Ҫ���ۿ�ѧ�ģ����ڵ�Ŀ����Ҫ���۴��ԵĹ��ɻ���˵��֪�Ĺ��ɣ��������δ���ǿ�ѧ�ģ�Ҳδ����Ψ��ģ���ȫ��������ѧ�Ĺ��ɡ�������Ҫ��Ϊ����˼���Ķ���һ���Ƕ���ĺ�����Ķ�����һ���ǿ������Ķ������Ǿ��Ѿ�������Ϊ������ͷǿ���ڴ���֮���ˣ���ʵ����ȫ���Բ�������
����Ϊ�����۵ķ��㣬��������һЩ�������������ǿ�������˵�����һ��������������������������һ������������������Ժ�Ϳ����Ϳ�������ԣ������Ҫ��Ҫ�Ķ࣡
��ô�㵱Ȼ�ͺܲ����⣬˵��Ϳ��һͰ������ô�о�����������ǣ���Ϳһ�������ѧ���о��������������֮�࣬����һ�ֻ��ں�Ϳ����ϵ����ҽҲ�Ǻܺ�Ϳ�Ķ�������������˵һ���ˡ��ϻ𡱣��Ͳ��ǿ����ϸ�������顣�������Ƕ������˽�������ʲô��˼��
���ڴ�Ҷ������������ѧ���Կ�ѧ��ϵ���ֳ�ݣ�ƶɮϣ��ѿ�ѧ���Ż������ǰ����ſ�ѧ���������Ǿ������Եѧ�ƣ�������ҽ�о��������������飩��������ҲҪѧ��ѧ������Ŀ�ĸ�������෴��ϣ����λ�ܶ�ƶɮ������������㹻�Ŀ��ݶȣ�лл��ң�
--------------------------------------------------
From: "Miner" <zmse...@gmail.com>
Sent: Tuesday, March 23, 2010 11:50 AM
To: "����AI(�˹�����)������" <swarmag...@googlegroups.com>
Subject: [swarmagents_ai] Re: gabor filter
> ллxudong�ķ��?
>
> ��������ϣ�������ۿ�ѧʱ����ѧ�ֿ�������ѧ���ڽ̵IJ�ͬ��ⲻӰ��Կ�ѧ�����ۣ��ͺñ����ŷ��̡���̻��������ۣ��ŷ�Ψ�ﻹ��Ψ�ģ������Խ���
> ���߲����ܽ��ۡ���ѧ�й��ϵ�������ϵ�������������ۺ�֤�ݣ������Ȼ�������У�������ܻ�������ѧ��
>
> ������˵��"���ԵĹ����Dz���ȫ�ܱ�����һ̨��������ģ������Ե���������Ǻ͵���˵һ������������"�����ȸ����Լ����Ķ��壬�Լ���
> ��"ʲô�����"�Ķ��壬Ȼ��˵����Ϊʲô��Ϊ"���ԵĹ����Dz���ȫ�ܱ�����һ̨���������"�������Ҳ�����ͬһ�ﾳ����������������⣬�����˵
> �������Dz������ۿ�ѧ�ķ�ʽ��
>
> On Mar 23, 11:04 am, ������ <dfy...@hotmail.com> wrote:
>> �µ��ӽ�������ˣ���������ѧ����һ�������ۣ�����ƶɮ���ȥ����һЩ��ѧ�Ŀγ̡��о�����ѧ��û�б������Ļ�����ܡ���Ҫ˵����ѧ������ܡ������ӬС���Ȱ�GEB�úö�һ������Ψ�����Щ����ٹ̵Ĺ����ȷ�һ�š����ԵĹ����Dz���ȫ�ܱ�����һ̨��������ģ������Ե���������Ǻ͵���˵һ�����������ġ�
>>
>> �����ϴ�˵��������飬��������Ϊ���ǻ����ר�ң����Ǵ�һ���ȷ���ϣ�����ܹ��������ء��Ժܶ��ȥ��Ψ�ĵ�����Ҳȥ�о�һ������һ��������룬�ܿ����ǻ����ջ�ġ�
>>
>> From: 01-_-19
>> Sent: Tuesday, March 23, 2010 10:45 AM
>> To: swarmag...@googlegroups.com
>> Subject: Re:[swarmagents_ai] gabor filter
>>
>> ���ҵ���������dz��dz��ѡ���������Ϊ��Ҷ�������ϸ�ڶ�û�д�������Ѱ�ҹ��ɰɡ���ӭ�ṩ�µ��ӽǡ�
>>
>> ��2010-03-22 22:26:23��"troy dongdong troy" <not...@gmail.com> ���
>>
>> ......����ܸ�������������ν���Ϣ�������Ϊ���������˵�ĸ��Χ�ȽϹ㣬��Щ������������ʶ���ģ���Щ�����Ǵ����м��ƽʱ�ᱻ�õ������˲�������ʶ����������ܰ��������������ܹ����Ͳ�������������һ����ٵ�֪ʶ�������Լ�������һ��ʵ��ͨ�ò���robust���㷨��
>>
>> ������ڶ��ⷽ���paper������Ȥ���˿���һ·~
>>
>>
>
> --
> ���յ����ʼ�����Ϊ������ Google ������̳�ġ�����AI(�˹�����)�����顱��̳��
>
> Ҫ���������̳�����뷢�͵����ʼ��� swarmag...@googlegroups.com��
> Ҫȡ���Ĵ�������̳���뷢�͵����ʼ���
> swarmagents_a...@googlegroups.com��
> ���и�����⣬��ͨ��
> http://groups.google.com/group/swarmagents_ai?hl=zh-CN ���ʴ�������̳��
>
>
Miner
Marr是神经科学家和心理学家，我想计算机视觉的进展还得依赖神经科学和认知科学的进展。
大脑是如何用实物层（神经元）实现抽象层（概念）的，这也是我最想弄明白的问题，xudong你要是发现什么好的资料或者有什么心得，也请共享一下～～
于 2010-3-23 11:39, troy dongdong troy 写道:
嗯，我也是这样想的
在我做computational visual时觉得现在的算法在提取feature point的程度上已经超过人了。
但是在建立hierarchy architecture上面却输得一塌糊涂，现在的做法都是提取完feature point（这应该是视觉皮层V1干的事情吧），之后直接做recognition 或者 categorize，而人是通过多个皮层最后才实现人脸的识别或者动物植物的分类。从这个角度上讲现在的技术只是赢得了细节输给了结构。所以看到 poggio在做hierarchy architecture的时候就很激动
之所以说在提取feature point上现在的算法超过了人是基于这篇文章
2005 Object Recognition with Features Inspired by Visual Cortex
这篇文章piggio使用gabor 模拟了不同感光细胞的receptive field，并且使用提取的feature point来做recognition，但是效果和现在的主流方法比起来还是有差距的
2010/3/23 01-_-19 <01-...@163.com>
从我的领域看，这个非常非常难。可能是因为大家都在死扣细节而没有从整体上寻找规律吧。欢迎提供新的视角。
在2010-03-22 22:26:23，"troy dongdong troy" <not...@gmail.com> 写道：
…… 如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识 到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
我最近在读这方面的paper，感兴趣的人可以一路~
troy dongdong troy
东方隐
2010/3/23 01-_-19 <01-...@163.com>
…… 如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
我最近在读这方面的paper，感兴趣的人可以一路~
pem
有句名言叫虾米问题都可以靠加入一个中间层来解决，如果效率不考虑的话
On Mar 22, 10:26 pm, troy dongdong troy <not...@gmail.com> wrote:
> 之前一次活动中讲computational vision，当时文献中提到了gabor filter
> 今天再次遇到这个概念，就查了一些相关资料，总结在附件
> architecture是智能实现的最重要环节，如果能搞明白人脑是如何将信息逐层抽象成
> gabor.doc
> 263KViewDownload
x g
我觉得你把hierarchy考虑进去，等价于假设了一个输入-->父状态变量-->状态变量的贝叶斯网络，这里的父状态变量起了层次hierarchy的作用。
我认为Pem说的对。你如果不明白其中的因果关系（条件独立性）的话，实际上不解决核心问题。hierarchy 只是一种手段。
物理图像和神经图像有本质区别的。我认为现在我们不需要解决视觉概念以及知觉之类的问题，而是需要定义一个简单可靠的标准用于评测（比图灵测试更基本），比如在这儿信号如何体现出基本的归纳，演绎等等。
当我们研究一个很难的问题时，不要开始就问为什么（why），而是首先要将问题描述清楚（what），每一步都要扎实，这样才能积累。
我对视觉识别这块不了解，但如果只是讨论hierarchy architecture的相关数学模型、方程以及算法的话，愿意参与讨论。如果是大段的哲学议论的话，那就免了。
我想你应该起引导作用的，谢谢。
On 3月22日, 下午10时26分, troy dongdong troy <not...@gmail.com> wrote:
> 之前一次活动中讲computational vision，当时文献中提到了gabor filter
> 今天再次遇到这个概念，就查了一些相关资料，总结在附件中
>
> gabor函数特点和人类视觉细胞的receptive field反映特点十分相似
> 使用gabor filter对图像滤波，模拟了人类感光细胞对光线刺激的反应
>
> 顺便推荐一个网站：http://cbcl.mit.edu/index.html
> 这是poggio领导的一个实验室，poggio的一个重要工作时建模了视觉的hierarchy architecture
>
> 我觉得hierarchy
> architecture是智能实现的最重要环节，如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
>
> 我最近在读这方面的paper，感兴趣的人可以一路~
>
> gabor.doc
> 263K查看下载
jake
在2010-03-23，"东方隐" <dfy...@hotmail.com> 写道：
-----原始邮件-----
发件人:"东方隐" <dfy...@hotmail.com>
发送时间:2010年3月23日 星期二
收件人:swarmag...@googlegroups.com
主题:Re: [swarmagents_ai] gabor filter
要取消订阅此网上论坛，请发送电子邮件至 swarmagents_ai+unsub...@googlegroups.com。
若有更多问题，请通过 http://groups.google.com/group/swarmagents_ai?hl=zh-CN 访问此网上论坛。
--
您收到此邮件是因为您订阅了 Google 网上论坛的“集智AI(人工智能)讨论组”论坛。
要向此网上论坛发帖，请发送电子邮件至swarmag...@googlegroups.com。
要取消订阅此网上论坛，请发送电子邮件至 swarmagents_ai+unsub...@googlegroups.com。
东方隐
Hui Lee
=============================
NickName: blackball ;)
Email: bug...@gamil.com
MSN: bug...@live.cn
HomePage: http://bugway.appspot.com
=============================
troy dongdong troy
两个方法中虽然具体实现不同但是基本思想是相同的
都是增加了概念层之后提高了算法的计算效率和robust
我觉得分层虽然增加了训练（or学习）的的成本和时间
但就工作的效果来说，恰当的分层肯定能够提高算法效率和效果
而其分层提取概念就是数据降维，人类在高位数据上，比如视觉、听觉、文本工作的非常之好一个重要的原因，就是在日常的学习过程中逐渐形成了具有数据概括能力的概念。并且这些概念在每一个层级上都有相当程度的通用性。
troy dongdong troy
下面是我的研究框架：
1. 【分层】分几层，每层概念大概什么样子？在视觉上这方面研究挺多的，我不知道成果到什么样的程度，总之是有借鉴价值。
2. 【概念】怎么聚类或者说形成概念，就是在第一个问题有了雏形之后，怎么来实现。再说详细点： 假设现在有输入层和第一层，在第一层上已经形成了一些概念，当输入一个新的数据，数据只能部分的被原来的概念解释，还有较大部分不能被解释。如何从这新不能被解释的数据中寻找出pattern，然后形成新的概念，这就是这一步需要做的事情。
3. 【分类】 上面已经说到了在第一层中已经有一些概念了，在给定输入数据后如何计算现有概念的响应，这就是这一步需要解决的问题。其实就是一个模糊分类问题。
4.【训练】在训练过程中，每个概念类似于神经元，输入数据引起这个概念响应的时候这个概念就会逐渐加强，如果这个概念被更高一级引用的时候这个概念也会得到加强。这样的学习机制部分的降低了概念学习的要求，因为你可以生成一些概念，概念的会随着训练的增加逐渐的优胜劣汰。
5.【落实】要具体的做一件事情，什么都行，关键是在一个具体项目上走通一个范式。我个人倾向于图像，1.处理图像的脑区最大，在语言文字出来之前视觉就已经产生并且很发达了，而且相对具体一点，至少可以避开更加困难的“意识” 2.这方面的生物学研究很多（相对于听觉或者文本理解，之前计算神经科学课程上老师说的）3.因为最近工作的关系在做图像相关的东西，这方面一定积累如意结合起来。
--
于墨
Thanks for reading.
Yu Mo
x g
于墨
troy dongdong troy
2.我的框架其实就是我看paper的方向，基于现在的知识背景形成的，不管怎么样，走起来，才有可能前进，这是一种务实态度。每个人的在做科学的哲学偏好都不相同，这其实没什么可多讨论的，一来说不清楚，二来就算完全矛盾也有可能都做出非常棒的成果，费曼和盖尔曼就是两者哲学观点上的死对头，就成果来看没有办法判断他们哲学观点的对错高低。
3.关于金蛋的比喻我喜欢的很。我很务实，我也有点愤青。研究者应该追求发现，在这个方向我很痴迷，而且能够直觉到什么是重要的，并且能够设计出道路走下去，所以才愿意投入。其实我对很多方向都很有兴趣，只是在这些方向中没有很好的直觉和方向只能成为follower或者是积累知识的图书馆，所以现在都变成了业余爱好。做这个方向，就是想要做出漂亮的东西来。
4.我很喜欢和朋友互通paper，聊聊自己的新想法，如果有朋友做到相关东西可以分享一下。
lingfei wu
wlf8...@gmail.com
Dept. of Media & Communication
City University of Hong Kong
Miner
贝叶斯统计也发展几百年了，为什么近十年才成为研究热点？
电机、电源、传感器、机械传动的关键技术不解决，机器人就没法满街走！
你以为科学研究就是拍脑袋顿悟一把就搞定了？最终你还不是得用数学模型去描述？
“二十个问题”这样的游戏不过是用简单的决策树描述概念，可惜它在每个分支上的取值太过含糊，不适于做搜索。
--“问题是猪的概念只是无穷多可能的概念之一，你不仅仅需要猪的 概念，还需要大脑能够自动把所有可能的概念归类。”
理论上讲，只需要一个概念对应一组神经元的激活态，以大脑神经元及神经突触的数量，其组合数足以表示一个人一生中遇到的所有概念。无需自动归类，只需相似 的概念对应相似的激活态。
--“难度在于你需要对不存在的东西进行区分”
我不需要对不存在的东西区分，只需要看到一个新东西时，分配一个新的激活态。
我不知道这种实现最终会是什么样子，我只知道只谈哲学是谈不出来的～～
于 2010-3-24 13:09, 东方隐 写道:
贫僧现在很不爽+挫败，大概因为是被群众无视的关 系。我就不懂，这个又不是什么新鲜的道理，计算机还没有 发明的时候，早就被科学和哲学两派都清楚认识到了；至于科普，也是在我们出生前，就由侯世达说的很清楚了。怎么过了那么多年，大家还是往那条百年老路上 走，去折腾分类函数，数学模型什么，这条路要能走通的话，哪里还轮得到我们去研究？现在早就机器人满街走了。就看Google好了，那么有钱的公司，搞来搞去核 心技术就还是关键词搜索加一点贝叶斯，十年前就开始说要搞图像识别，语音识别，智能识别，搞得出来吗？就比如“二十个问题”这样的游戏，你让Google 按这个原理做一个数据库搜索出来？非不为也，乃不能也。反正贫僧是穷和尚一个，信不信和尚，由诸位自己看着 办。科学上走错路，十年二十年一转眼就过去了，各位保重。
你这么说的方式还是大家可以接受的，在这个论坛上，至少这种话大家是听得懂的。但是，能听进去多少，那就要看每个人不同的根器了。反正我是很明白你要说的意思的，但我估计别人还未必明白。
其实，你说来说去，是想告诉大家：大家先不着急去动手搞什么算法，搞什么具体问题，大家需要先认真想一想你最想要的东西是什么？也不一定非 一下子就牵扯到哲学，而是先要弄清楚自己的目标。这种反思对于整个人工智能届都是很需要的。
在2010-03-23，"东方隐" <dfy...@hotmail.com> 写道：
-----原始邮件-----
发件人:"东方隐" <dfy...@hotmail.com>
发送时间:2010年3月23日 星期二
收件人:swarmag...@googlegroups.com
主题:Re: [swarmagents_ai] gabor filter
那好，就谈这个问题，不扯到哲学上面去。当我们说大脑用神经元实现概念的时候，我们究竟 是什么意思？因为神经元只是一些逻辑元件，它只能激活或者休 息，就像一部计算机一样，数据的意义是程序员赋予的。如果我们认为神经元可以实现概念，那么我能设想 到的实现方式只有有限的几种。一是用一个神经元实现一个概念，也就是“祖母细 胞”这种东西。但这种实现方式解释不了概念的融合分化、以及比较复杂微妙的心理变化。二是用神经元的组合实现概念，那么神经元的组合 就意味着心理上概念的组合。姑且不谈抽象的概念，就说视觉好了。摄像机拍到一头猪，那么在摄像机的内存上可以映 射一头猪的点阵图，但是这张图肯定不是猪的概念。那么什么才是猪的概念呢？我估计你们大概会说：当我能够用一个函数去判断 一切点阵图，把图分类为猪和非猪两类的时候，这个判断函数就是猪的概念。
到这里也不是非常难，问题是猪的概念只是无穷多 可能的概念之一，你不仅仅需要猪的概念，还需要大脑能够自动把所有可能的概念归类。
这就太难了，也已经大大超过视觉处理的范畴了， 难度在于你需要对不存在的东西进行区分，问题是，如果不做到上面这一步，能不能实现抽象的概念？退一步说，是否可以像医院的科室一样，把视觉、听觉、记忆 等具体功能同智能的核心分隔开来研究？
关键在于，抽象层之所以抽象，就因为它不能用实 物表达！如果你用一种具体的方法把实物层和抽象层联系起来了，那么抽象层已经具体化了，你怎么还能够称之为抽象层呢？反之，如果这种方法本身是抽象的，是 不可言传的，那你等于把问题从概念转移到了方法上面，就像摄像机只是把光信号处理转换成了数据处理，难度一点也没有变化。这也是哥德尔定理的一种表现，抽象层就是具有一 种不可说性，说出来就不抽象了。所以一定要绕过这个怪圈。正如我们都见到的，智 能的核心问题必然牵涉到深刻的哲学问题。不谈哲学问题，你只能谈数据处理，比如用矩阵去提取图形的特征向量等等，但是这也不是我们感兴趣的问题。我就想知道的是，Miner你说的这种实现，如 果做出来了，大概应该是怎么样的一个东西？
同意，早先Marr把视觉处理分成三阶段来做，后来大家发现每一阶段都非常难做，于是尝试一起做，结果好像更难了。
Marr是神经科学家和心理学家，我想计算机视觉的进展还得依赖神经科学和认知科学的进展。
大脑是如何用实物层（神经元）实现抽象层（概念）的，这也是我最想弄明白的问题，xudong你要是发现什么好的资料或者有什么心得，也请共享一下～～
于 2010-3-23 11:39, troy dongdong troy 写道:
嗯，我也是这样想的
在我做computational visual时觉得现在的算法在提取feature point的程度上已经超过人了。
但是在建立hierarchy architecture上面却输得一塌糊涂，现在的做法都是提取完feature point（这应该是视觉皮层V1干的事情吧），之后直接做recognition 或者 categorize，而人是通过多个皮层最后才实现人脸的识别或者动物植物的分类。从这个角度上讲现在的技术只是赢得了细节输给了结构。所以看到 poggio在做hierarchy architecture的时候就很激动
之所以说在提取feature point上现在的算法超过了人是基于这篇文章
2005 Object Recognition with Features Inspired by Visual Cortex
这篇文章piggio使用gabor 模拟了不同感光细胞的receptive field，并且使用提取的feature point来做recognition，但是效果和现在的主流方法比起来还是有差距的
2010/3/23 01-_-19<01-...@163.com>
从我的领域看，这个非常非常难。可能是因为大家都在死扣细节而没有从整体上寻找规律吧。欢迎提供新的视角。
在2010-03-22 22:26:23，"troy dongdong troy" <not...@gmail.com> 写道：
…… 如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的，有些概念是处于中间层平时会被用到但是人并不能意识 到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并且robust的算法。
我最近在读这方面的paper，感兴趣的人可以一路~
lingfei wu
he xiao
Miner
于 2010-3-25 0:20, lingfei wu 写道:
非常赞同，特别是第二点（可归纳为“哲学争议搁置”）和第四点（可归纳为“共同开发科学”）。就第四点来说，把自己的研究建立在别人的paper上，是非常靠谱的。可以迅速提升水平。而如果还有一批人共同关注，互通有无的话，那等于 搜索引擎的性能翻倍。
在 2010年3月25日 上午12:09，troy dongdong troy <not...@gmail.com>写 道：
1.有时间的话可以我们可以互相讲讲这方面的paper，大家做的背景都不一样，提取概念或者说搭建 hierarchy architecture应该在很多不用的应用背景中都有应用。我现在只是入门级的水平，很希望听见很不同背景的人这方面的具体工作，很有意思。
2.我的框架其实就是我看paper的方向，基于现在的知识背景形成的，不管怎么样，走起来，才有可能前进，这是一种务实态度。每个人的在做科学的哲学偏 好都不相同，这其实没什么可多讨论的，一来说不清楚，二来就算完全矛盾也有可能都做出非常棒的成果，费曼和盖尔曼就是两者哲学观点上的死对头，就成果来看 没有办法判断他们哲学观点的对错高低。
3.关于金蛋的比喻我喜欢的很。我很务实，我也有点愤青。研究者应该追求发现，在这个方向我很痴迷，而且能够直觉到什么是重要的，并且能够设计出道路走下 去，所以才愿意投入。其实我对很多方向都很有兴趣，只是在这些方向中没有很好的直觉和方向只能成为follower或者是积累知识的图书馆，所以现在都变 成了业余爱好。做这个方向，就是想要做出漂亮的东西来。
4.我很喜欢和朋友互通paper，聊聊自己的新想法，如果有朋友做到相关东西可以分享一下。
2010/3/24 x g <hidd...@gmail.com>
我总结一下，不对的地方请大家不吝指正。
troy dongdong troy的研究框架核心在第2步概念。概念及概念关系的维度和复杂性决定了分层和分类，在具体的训练过程中对概念及其关系进行优化，而贯穿着一切的对概念 及其关系的计算需要用“图像”表示和呈现各阶段结果，也就是并行和多维的一个模型(语言相对来说是一维)。
这样的话，怎么用概念元素搭建这个神经图像就成了最基础的东西。比如角度、颜色以及其他。现在视觉神经的研究已比较成熟，所以，创 建人工大脑皮层图像的模型已成为可能，而且会是一个下金蛋的母鸡。。。。
在 2010年3月24日 下午2:42，troy dongdong troy <not...@gmail.com>写道：
我觉得具体做的话可以先谈谈自己想的研究框架，然后调研，自己看文献太慢了，如果需要用到的领域已经有人做的 话找相关的学生聊聊天收获一定很大，找不到人了再自己看文献，这样效果会比较好。
下面是我的研究框架：
1. 【分层】分几层，每层概念大概什么样子？在视觉上这方面研究挺多的，我不知道成果到什么样的程度，总之是有借鉴价值。
2. 【概念】怎么聚类或者说形成概念，就是在第一个问题有了雏形之后，怎么来实现。再说详细点： 假设现在有输入层和第一层，在第一层上已经形成了一些概念，当输入一个新的数据，数据只能部分的被原来的概念解释，还有较大部分不能被解释。如何从这新不 能被解释的数据中寻找出pattern，然后形成新的概念，这就是这一步需要做的事情。
3. 【分类】 上面已经说到了在第一层中已经有一些概念了，在给定输入数据后如何计算现有概念的响应，这就是这一步需要解决的问题。其实就是一个模糊分类问题。
4.【训练】在训练过程中，每个概念类似于神经元，输入数据引起这个概念响应的时候这个概念就会逐渐加强，如果这个概念被更高一级引用的时候这个概念也会 得到加强。这样的学习机制部分的降低了概念学习的要求，因为你可以生成一些概念，概念的会随着训练的增加逐渐的优胜劣汰。
5.【落实】要具体的做一件事情，什么都行，关键是在一个具体项目上走通一个范式。我个人倾向于图像，1.处理图像的脑区最大，在语言文字出来之前视觉就 已经产生并且很发达了，而且相对具体一点，至少可以避开更加困难的“意识” 2.这方面的生物学研究很多（相对于听觉或者文本理解，之前计算神经科学课程上老师说的）3.因为最近工作的关系在做图像相关的东西，这方面一定积累如意 结合起来。
我觉得你把hierarchy考虑进去，等价于假设了一个输入-->父状态变量-->状态变量的贝叶斯网络，这里 的父状态变量起了层次hierarchy的作用。
我认为Pem说的对。你如果不明白其中的因果关系（条件独立性）的话，实际上不解决核心问题。hierarchy 只是一种手段。
物理图像和神经图像有本质区别的。我认为现在我们不需要解决视觉概念以及知觉之类的问题，而是需要定义一个简单可靠的标准用于 评测（比图灵测试更基本），比如在这儿信号如何体现出基本的归纳，演绎等等。
当我们研究一个很难的问题时，不要开始就问为什么（why），而是首先要将问题描述清楚（what），每一步都要扎实，这样才 能积累。
我对视觉识别这块不了解，但如果只是讨论hierarchy architecture的相关数学模型、方程以及算法的话，愿意参与讨论。如果是大段的哲学议论的话，那就免了。
我想你应该起引导作用的，谢谢。
On 3月22日, 下午10时26分, troy dongdong troy <not...@gmail.com> wrote:
> 之前一次活动中讲computational vision，当时文献中提到了gabor filter
> 今天再次遇到这个概念，就查了一些相关资料，总结在附件中
>
> gabor函数特点和人类视觉细胞的receptive field反映特点十分相似
> 使用gabor filter对图像滤波，模拟了人类感光细胞对光线刺激的反应
>
> 顺便推荐一个网站：http://cbcl.mit.edu/index.html
> 这是poggio领导的一个实验室，poggio的一个重要工作时建模了视觉的hierarchy architecture
>
> 我觉得hierarchy
> architecture是智能实现的最重要环节，如果能搞明白人脑是如何将信息逐层抽象成为概念（这里所说的概念范围比较广，有些概念是人能意识到的， 有些概念是处于中间层平时会被用到但是人并不能意识到），如果能把这个搞清楚，就能够解释并且做到像人类一样高速的知识检索，以及向人类一样实现通用并 且robust的算法。
>
> 我最近在读这方面的paper，感兴趣的人可以一路~
>
> gabor.doc
> 263K查看下载
troy dongdong troy
1.通过程序来定义：LSA的主成分，PLSA中的隐变量，或者把视觉上从从视网膜到V1V2的过程当做定义。这样带来的问题是人的概念级别很难解释。
2.通过功能来定义，就是说在在该层应该的概念对于下一层能够产生什么样的作用。
3.从通用性上来定义，就是说这一层上的概念在多大程度上被使用。这个想法来自与写程序。如果只写一种程序的话对函数分层实现没有非常多的好处，但是如果你写非常多的不同特点的程序的时候，划分不同的层级也带来了很大的好处。其实看看matlab这种层级结构很明显。（我编程其实不好这方面可能有错误的地方，但是key point应该表达清楚了）
说到这里有一个很有价值的结论，每一层的产生不适事先定义好的，而是为了实现多功能的要求逐渐优化，而形成的。
Yan Ren
--
kidding holographically
troy dongdong troy
jake
在2010-03-24，"troy dongdong troy" <not...@gmail.com> 写道：
-----原始邮件-----
发件人:"troy dongdong troy" <not...@gmail.com>
发送时间:2010年3月24日 星期三
收件人:swarmag...@googlegroups.com
主题:Re: [swarmagents_ai] gabor filter
要取消订阅此网上论坛，请发送电子邮件至 swarmagents_ai+unsub...@googlegroups.com。