مغز انسان هر روزه حجم وسیعی از داده‎های با ابعاد زیاد همچون تصاویرو گفتگوها را به صورت مستمر پردازش و بازشناسی می‎کند. با آنکه ماشین‎ها سرعت محاسباتی بالایی دارند اما از این حیث از انسان بسیار ضعیف‎تر هستند. الگوریتم‎هایی که قادر بر تقلید و بازسازی روش‎های محاسباتی و یادگیری مغز باشند، راه حل بر‎طرف کردن ضعف ماشین‎ها در این زمینه هستند. در این پروژه نیز هدف، رسیدن به مدلی از ادراک بینایی برای تشخیص شیء است و سعی براین است که با استفاده از ترکیب مباحث پردازش تصویر و طبقه‎‎بندی‎کننده‎ها مدلی با رفتار مشابه مغز در فرآیند بازشناسی و تشخیص شیء ارائه گردد. مسیر حرکت در این پروژه با پیاده‎سازی مدل استاندارد بازشناسی شیء (hmax) شروع می‎شود. از پایگاه داده‎ی caltech برای محک مدل های پیشنهادی استفاده شد، به نظر می‎رسد مغز انسان در مواجهه با این چنین تصاویر از دو رویکرد پردازشی و تحلیلیِ تصویر استفاده می‎کند که به بررسی این دو رویکرد پرداخته شده است. در نهایت یک ساختار سلسله مراتبی متأثر از ساختار سلسله مراتبی سیستم بینایی در مغز انسان و ترکیب دو رویکرد مورد بررسی، ارائه و با انجام آزمایشات، نشان‎داده‎شد که این ساختار در بازشناسی اشیاء به طور مقاوم عمل می‎کند. دو مدل اولیه و مدل نهایی ارائه شده، نمایانگر این است که پردازش های چندگانه موجود در مدل به بازشناسی دقیق تر اشیاء منجر می شوند. به احتمال زیاد چنین رفتارهایی در ماژول‎های مغز انسان نیز وجود دارد. ساختار نهایی طراحی شده در این پروژه بر طبق انتظار ما توانسته مولفه‎های پیچیده‎ در تصاویر پایگاه داده‎ی caltech را استخراج کنند و درکی از آن داشته باشد.