磨染的初心——计算机视觉的现状(3.0):目标感知
前文中列举了五项人类视觉感知理解到的要素,第一项就是目标,后三项都是目标的行为和属性,在三维感知部分也一而再地提到目标。那么到底什么是目标?具有一定结构和形状的物体吗?物体又是什么呢?粘连在一起的物质吗? 然而仅凭视觉并不能区分物质,视觉能够直接观察到的是图斑。为什么某些图斑可以结合在一起被识别为目标,而有些又不能呢?将图斑结合为目标的依据是什么? 这一系列问题都不能在计算机视觉的研究成果中找到答案,对这些问题的回答仍然离不开认知心理学,在此给出我的思考权作抛砖引玉。
目标肯定是粘连在一起的具有一定结构和形状的物体,然而这绝对不是目标的本质,目标的本质应该在于功用——由材质、形状、结构、环境、自然法则、生活经验共同确定下来的对于生存的意义。对于生存的意义体现在满足了需求,在需求被满足的过程中,人类创造并直接命名了各种目标,比如草、树、河、湖、牛、羊、猪、虎、豹、熊、桌子、椅子、房子等。草、树的果实能够为人类提供碳水化合物,河、湖可以为人类提供水源,牛、羊、猪可以为人类提供肉类,人类可能会成为虎、豹、熊的肉类,桌子、椅子、房子是满足人类居住需求的用具。除了这个定义,目标与目标之间存在两种关系——类别归属和结构组成。一眼看去,汽车是由轮子和车厢组成的,而气车又有客车、货车、工程车之分。
在这个目标的定义之下,将图斑结合为目标的依据是显而易见的——材质、形状、结构、环境、自然法则、生活经验、生存需求。其中能够从数字图像中识别到的只有材质、形状、结构。环境则是已识别出来的目标的总和,为目标的识别提供了先验。由轮子和车厢组成的并不总是汽车,还有可能是火车,跑在铁轨上的才是火车;如果识别出了铁轨,那么在上面运行的一辆很像大客车的东西一定是火车头。这些识别依据之间的作用机制又是什么样的呢? 材质、形状、结构应该是最基本的,也是最先起作用的,很多目标(尤其是常见的)可以仅仅通过材质、形状、结构以很高的置信度识别出来,另外一些目标(不常见的、有遮挡的、画作中的等)则需要结合环境、自然法则、生活经验、生存需求进行推理才能识别出来。