视觉概念是视觉认知的基本单位。从哲学及认知心理学的角度出发,视觉概念可以被定义为一组视觉属性的抽象。洞悉大脑如何学习、组织、表达和理解视觉概念对构建人工视觉认知系统至关重要。近年来,以深度学习为代表的视觉计算模型在物体分类,物体检测,语义分割以及图像描述等领域取得了许多令人瞩目的成就。尽管取得了巨大的进步,这些模型并不关心大脑是如何表征和理解视觉概念的。传统的视觉计算模型更倾向于学习语言符号和视觉表征之间的映射,视觉概念在这类模型当中通常没有明确的组织和表达方式。此外,在传统的模型当中,关于视觉概念理解也没有明确的定义。为解决上述问题,受人及哺乳动物大脑的海马-内嗅皮质系统的一般化信息处理机制启发,本文提出一种视觉概念空间模型——VCSM(Visual Concept Space Model)来组织表达视觉概念。特别的,在视觉概念空间模型中,视觉概念被定义为一组视觉属性上的抽象。本文模拟内嗅皮质的网格细胞来构建视觉概念空间,并用所提出的模拟海马位置细胞的“概念细胞”在视觉空间中表征视觉概念。人类对某一概念的理解包含两个方面:首先,人类能凭借经验对遇到的新概念进行识别和推理;其次,人类能根据他人对某一概念的描述想象出相应的实例。受此启发,本文将视觉概念理解定义为概念推断(即推断输入图像潜在的视觉概念)和图像重构(即根据给出的概念“想象”对应的图像)。综合视觉概念的表征和理解,本文的研究内容如下:首先,本文深入研究了基于变分自编码器的表征解耦学习。表征解耦学习的目的是获取输入图像非耦合的表征,即用图像编码后得到的隐变量的不同信息维度表示不同的生成因子,其中生成因子指定了图像的各种属性。其次,基于图像的非耦合表征,本文提出一种属性函数方法来表示图像中物体的各种视觉属性。属性函数使用了模糊信息处理机制,将视觉属性的符号含义直接建立在视觉表征之上。再次,基于非耦合表征,本文借鉴内嗅皮质网格细胞的信息处理机制构建了视觉概念空间。在视觉概念空间中,视觉概念通过概念细胞来组织和表达。概念细胞由属性函数构成,它们模拟了海马位置细胞的信息处理机制。最后,本文研究了模型的视觉概念理解能力。为了像人一样理解视觉概念概念,模型需要能够推断输入图像隐含的视觉概念,还要能够根据给出的概念生成符合属性描述的图像,即具备双向生成能力。文章将视觉概念空间模型应用到3D Chairs和Extended Yale Face Database B数据集以对其表现进行验证。实验结果表明视觉概念空间模型能够准确地理解视觉概念且能生成丰富多样的图像。