基于 CIFAR10 比较深度神经网络与人类视觉识别性能
计算机视觉与模式识别
2019-08-16 v2
摘要
视觉物体识别在人类日常生活中起着至关重要的作用。这种能力极为高效，我们看似毫不费力便能识别人脸或物体，尽管它们在位置、尺度、姿态和光照上可能有所变化。在计算机视觉领域，已开展大量研究以构建类人的物体识别系统。近来，深度神经网络在物体分类性能上取得令人瞩目的进展，并有报告称已超越人类。然而，人类与人工识别系统之间仍缺乏透彻而公平的比较。尽管一些研究考虑了人工退化的图像，但在深度神经网络广泛使用的数据集上的人类识别性能尚未得到充分评估。本文开展了一项广泛实验，以评估人类在 CIFAR10（一个知名的自然图像数据集）上的分类准确率。这使得与最先进的深度神经网络进行公平比较成为可能。我们基于 CIFAR10 的评估显示出近期 CNN 的高效物体识别能力，但同时也证明它们仍远未达到人类水平的泛化能力。此外，使用多难度等级的详细调查揭示，对人类而言简单的图像对深度神经网络未必简单。此类图像构成了 CIFAR10 的一个子集，可用于评估并改进未来的神经网络。
引用
@article{arxiv.1811.07270,
title = {CIFAR10 to Compare Visual Recognition Performance between Deep Neural Networks and Humans},
author = {Tien Ho-Phuoc},
journal= {arXiv preprint arXiv:1811.07270},
year = {2019}
}
备注
paper, 10 pages