卷积神经网络：一种双目视觉视角
计算机视觉与模式识别
2019-12-24 v1 图像与视频处理
摘要
仅由单摄像头捕获（单目）的图像数据集是否足以训练和测试用于模拟人脑生物神经网络结构的卷积神经网络（CNNs）尚存争议。由于人类视觉系统以双目方式工作，为改进此类基于 CNN 的视觉图像分析应用，双眼与两个脑半球的协作尚需更多研究。每只眼睛各自的视野及相关的脑半球是否负责同一场景的不同学习能力，这确实存疑。该研究领域存在诸多此类开放问题，需要严格探究，以进一步理解人类视觉系统的本质，从而改进当前可用的深度学习应用。本立场论文分析了一种双目 CNN 架构，其比传统深度学习技术更类似于人类视觉系统的生物结构。在考虑称为视交叉的结构的同时，该架构基本由两个分别与各视野和脑半球相关的并行 CNN 结构组成，并可能在初级视觉皮层（V1）中如常进行全连接。实验结果表明，与经典 CNN 架构相比，两个不同视野的双目学习平均上带来了更好的分类率。
引用
@article{arxiv.1912.10201,
title = {Convolutional Neural Networks: A Binocular Vision Perspective},
author = {Yigit Oktar and Diclehan Karakaya and Oguzhan Ulucan and Mehmet Turkan},
journal= {arXiv preprint arXiv:1912.10201},
year = {2019}
}