[論文レビュー] A Feedback Neural Network for Small Target Motion Detection in Cluttered Backgrounds

Hongxin Wang, Jigen Peng+1 more|arXiv (Cornell University)|May 1, 2018

Neurobiology and Insect Physiology Research参考文献 12被引用数 3

ひとこと要約

本論文では、出力から中脳層への時間遅延フィードバックループを組み込むことで、ごみだらけの背景における小さな標的の運動検出を向上させるフィードバックニューラルネットワーク（フィードバック ESTMD）を提案する。フィードバックにより背景ノイズへの反応が抑制され、特に標的と背景の間で速度差がある場合に、ベースラインの ESTMD モデルに比べて検出性能が顕著に向上する。

ABSTRACT

Small target motion detection is critical for insects to search for and track mates or prey which always appear as small dim speckles in the visual field. A class of specific neurons, called small target motion detectors (STMDs), has been characterized by exquisite sensitivity for small target motion. Understanding and analyzing visual pathway of STMD neurons are beneficial to design artificial visual systems for small target motion detection. Feedback loops have been widely identified in visual neural circuits and play an important role in target detection. However, if there exists a feedback loop in the STMD visual pathway or if a feedback loop could significantly improve the detection performance of STMD neurons, is unclear. In this paper, we propose a feedback neural network for small target motion detection against naturally cluttered backgrounds. In order to form a feedback loop, model output is temporally delayed and relayed to previous neural layer as feedback signal. Extensive experiments showed that the significant improvement of the proposed feedback neural network over the existing STMD-based models for small target motion detection.

研究の動機と目的

• フィードバックループを STMD 神経経路に組み込むことで、小さな標的の運動検出性能が向上するかどうかを調査すること。
• 背景ノイズが標的の特徴と類似する自然にごみだらけの背景において、小さな明るさが低く動く標的を検出する課題に対処すること。
• 背景ノイズによる誤検出を低減するフィードバック機構を統合することで、既存の STMD ベースのモデルの性能を向上させること。
• さまざまな標的および背景の運動状態において、フィードバックの有効性を検証すること。

提案手法

• モデルは、既存の ESTMD アーキテクチャに、出力信号を遅延させ、中脳層に戻すフィードバックループを拡張して構築される。
• フィードバック信号は中脳層の出力に加算され、背景ノイズへの反応を抑制しながら標的の運動信号を保持する。
• フィードバック機構は、時間遅延ブロックを用いて実装され、フィードバック信号を現在の入力ストリームと同期させる。
• モデルは4層で構成され、入力画像系列を処理する：網膜（ガウスフィルタリング）、竪髄（運動エネルギー計算）、中脳（フィードバック統合）、視索（最終出力）。
• フィードバックループは、静的またはゆっくり動く背景特徴（小さな標的に類似するもの）への反応を弱めるように設計されている。
• 性能評価は、標的の輝度、サイズ、速度、背景の動きなどのさまざまなパラメータを想定し、受信者操作特性曲線（ROC曲線）および固定した誤警報率における検出率を用いて実施される。

実験結果

リサーチクエスチョン

• RQ1 STMD 神経経路にフィードバックループを組み込むことで、小さな標的の運動検出性能が顕著に向上するか？
• RQ2 さまざまな標的および背景の速度条件下で、フィードバック機構は検出性能にどのように影響を与えるか？
• RQ3 フィードバックネットワークは、背景ノイズを効果的に低減しつつ、小さな動く標的への感度を維持できるか？
• RQ4 さまざまな標的および背景の運動パrameterに対して、フィードバック ESTMD の性能はベースラインの ESTMD に比べてどのように異なるか？

主な発見

• 固定誤警報率 10 の条件下で、フィードバック ESTMD モデルはベースラインの ESTMD モデルに比べて顕著に高い検出率を達成する。
• 標的の輝度とサイズが変化する条件下でも、フィードバック ESTMD は常に ESTMD を上回り、特にコントラストが低く、標的が小さい状況では検出率が著しく高い。
• 標的速度が背景速度を上回る場合（例：500 対 250 px/s）、フィードバック ESTMD は著しく向上した検出性能を示す。特に逆方向運動の状況で顕著である。
• 同じ方向への運動の場合、標的速度が背景速度を上回る場合にはフィードバック ESTMD が優れた性能を維持するが、背景が速く動く場合には性能差が小さくなる。
• 複雑で自然にごみだらけの背景（例：動く葉）においても、ROC曲線の比較により、フィードバック ESTMD は ESTMD より高い検出率を達成する。
• フィードバック機構は、小さな標的と類似した高密度のテクスチャを持つ動的シーンにおいて、背景ノイズによる誤検出を効果的に低減している。