深度神经网络预测人类视觉物体识别的分层时空皮层动态
计算机视觉与模式识别
2016-01-13 v1 神经元与认知
摘要
皮层视觉通路的复杂多阶段架构为人类高效的视觉物体识别提供了神经基础。然而，其中的阶段性计算机制仍知之甚少。在此，我们将时间（脑磁图）和空间（功能磁共振成像）视觉脑表征与一个调谐至真实世界视觉识别统计特性的人工深度神经网络（DNN）中的表征进行了比较。我们表明，该DNN在时间和空间上均捕捉到了人类视觉处理的各个阶段，从早期视觉区朝向背侧和腹侧流。对关键DNN参数的进一步研究表明，虽然模型架构很重要，但真实世界分类训练对于强化与大脑的时空层级关系必不可少。总之，我们的结果提供了一种算法知情的视角，用以理解人类视觉脑中视觉物体识别的时空动态。
引用
@article{arxiv.1601.02970,
title = {Deep Neural Networks predict Hierarchical Spatio-temporal Cortical Dynamics of Human Visual Object Recognition},
author = {Radoslaw M. Cichy and Aditya Khosla and Dimitrios Pantazis and Antonio Torralba and Aude Oliva},
journal= {arXiv preprint arXiv:1601.02970},
year = {2016}
}
备注
15 pages, 6 figures