基本层次分类促进视觉物体识别

深度学习的最新进展在计算机视觉领域取得了显著进步，尤其是在视觉物体识别任务中。用于物体分类的特征由前馈深度卷积神经网络（CNNs）自动学习，并且已被证明能够预测和解码人类与猴子腹侧视觉通路中的神经表征。然而，尽管有大量关于优化 CNN 的工作，但将 CNN 与人类视觉皮层的指导性原则联系起来的研究并不多。在这项工作中，我们提出了一种网络优化策略，其灵感同时来自于儿童视觉物体识别能力的发展轨迹，以及 Bar (2003) 的假设——即基本层次信息经由前额叶皮层（PFC）的快速大细胞通路携带，然后投射回下颞皮层（IT），并在此处实现下属层次分类。我们通过先训练深度 CNN 执行基本层次物体分类，再训练其进行下属层次分类来实例化这一想法。我们将该思路应用于在 ILSVRC 2012 数据集上训练 AlexNet (Krizhevsky et al., 2012)，并显示 top-5 准确率从 80.13% 提升至 82.14%，证明了方法的有效性。我们还表明，随后在较小数据集上的迁移学习给出了更优的结果。