关键词:
类脑视觉识别
NCC特征匹配
记忆增强
长短期记忆网络
机器视觉
摘要:
聚焦于基于归一化互相关(NCC)特征匹配的类脑视觉识别记忆算法,旨在模拟人类大脑的视觉处理和记忆机制,提升机器视觉系统的识别精度。回顾了类脑视觉识别技术的研究背景,指出了现有算法在特征提取和匹配过程中存在的问题,例如,计算复杂度高、对光照和视角变化敏感等。提出一种新的算法框架,该框架结合NCC特征匹配技术和记忆增强机制,有效实现更鲁棒的视觉识别。在算法设计部分,详细介绍了NCC特征提取的方法,通过实验验证其在不同场景下的稳定性。此外,为了增强系统的记忆能力,引入了长短期记忆网络(LSTM),真实模拟人类的记忆过程,使系统能学习和记忆特定模式,从而使系统在后续识别任务中表现出良好的性能。实验结果表明,与传统方法相比,研究提出的算法在多种复杂环境下均能显著提高识别准确率,并且具有较强的实时性和适应性。