Die Merkmalsextraktion wird als ein Prozess des Auswählens von Vertretern aus Daten reformuliert, wodurch die zugrunde liegende Datenverteilung automatisch erfasst wird.
Das vorgeschlagene Lernframework modelliert den "Zwei-Strom-Hypothese"-Ansatz aus der Neurowissenschaft, um visuelle Wahrnehmung und Lokalisierung von Objekten in Bildern zu erlernen. Es verwendet eine Kombination aus tiefen neuronalen Netzen und Reinforcement Learning, um unabhängige Funktionen für die Objektidentifikation und -lokalisierung zu lernen.
Die Leistungsfähigkeit der semantischen Segmentierung kann trotz schwerwiegender optischer Aberrationen von Minimalistischen Optischen Systemen (MOS) aufrechterhalten werden, indem Wissen aus der Computational Imaging-Technik auf die Zieldomäne übertragen wird.