删除深度卷积网络全连接层中的对象选择性单元可提升分类性能
神经元与认知
2020-01-23 v1
摘要
灵长类视觉皮层神经元表现出广泛的刺激选择性。部分神经元仅对一小部分刺激图像有响应，而另一些则以非选择性方式对许多刺激图像响应。目前尚不清楚刺激选择性与非选择性神经元如何贡献于视觉对象识别。在此，我们利用两类深度卷积神经网络（DCNNs）的全连接层，考察了刺激选择性与删除单元对任务性能影响之间的关系。删除刺激选择性单元引起任务性能的轻微提升，而删除刺激非选择性单元则导致任务性能的显著下降。然而，这些发现并不意味着刺激选择性单元对该任务无用。事实上，当网络同时由刺激选择性与非选择性单元构成时，获得了更好的性能。
引用
@article{arxiv.2001.07811,
title = {Deleting object selective units in a fully-connected layer of deep convolutional networks improves classification performance},
author = {Yuta Kanda and Kota S Sasaki and Izumi Ohzawa and Hiroshi Tamura},
journal= {arXiv preprint arXiv:2001.07811},
year = {2020}
}
备注
Number of pages: 18; Number of Figures: 6; Number of Tables: 1