对比度在深度神经网络中如何编码？
计算机视觉与模式识别
2018-09-06 v1
摘要
对比度是视觉信息处理中的关键因素。无论是生物还是人工的视觉系统，都希望在光照可能发生大幅变化的条件下稳健地“感知”世界。本工作中，我们研究了深度神经网络（DNN）对不同对比度水平下相同图像的响应。我们分析了八种具有不同架构（如 VGG 和 Inception）的著名网络的卷积层中核的激活。实验结果表明，那些对对比度变化具有更高容忍度的网络在第一个最大池化算子之前拥有多于一个卷积层。似乎第一个最大池化之前的最后一个卷积层充当了输入图像对比度变化的缓解器。有趣的是，在我们的研究中观察到这些 DNN 与生物视觉系统机制间的诸多相似性。这些比较使我们能更深刻地理解基于“数据分析”基础的视觉系统的底层机制。
引用
@article{arxiv.1809.01438,
title = {How is Contrast Encoded in Deep Neural Networks?},
author = {Arash Akbarinia and Karl R. Gegenfurtner},
journal= {arXiv preprint arXiv:1809.01438},
year = {2018}
}