拥挤效应揭示人类与机器在局部与全局处理上的根本差异
神经元与认知
2020-04-29 v1
摘要
前馈卷积神经网络（ffCNN）已成为计算机视觉与神经科学领域的最先进模型。然而，ffCNN 类人水平的性能并不一定意味着其计算过程类人。先前的研究表明，当前的 ffCNN 并未利用全局形状信息。然而，目前尚不清楚这反映的是 ffCNN 与人类处理之间的根本差异，还是仅仅源于 ffCNN 训练方式的人为产物。在此，我们利用视觉拥挤这一受控良好且特异的探针来检验全局形状计算。我们的结果提供的证据表明，ffCNN 由于原则性的架构原因无法产生类人的全局形状计算。我们提出了一些可能弥补 ffCNN 缺陷以提供更佳人类视觉系统模型的方法。
引用
@article{arxiv.2004.12676,
title = {Crowding Reveals Fundamental Differences in Local vs. Global Processing in Humans and Machines},
author = {Adrien Doerig and Alban Bornet and Oh-Hyeon Choung and Micahel H. Herzog},
journal= {arXiv preprint arXiv:2004.12676},
year = {2020}
}