ImageNet 训练的深层神经网络对闪烁栅格表现出类错觉响应
计算机视觉与模式识别
2019-08-06 v2 机器学习
图像与视频处理
神经元与认知
摘要
用于计算机视觉的深层神经网络（DNN）模型现已具备人类水平的物体识别能力。因此，DNN 与人类视觉在性能与脆弱性上的相似性备受关注。在此我们刻画了 VGG-19 DNN 对闪烁栅格视觉错觉图像（其中白点被感知为部分黑色）的响应。我们观察到 VGG-19 表征差异性与闪烁栅格中点白度之间预期的单调关系出现显著偏离。即，点白度的线性增加导致表征差异性的非线性增加，随后显著地减小（非单调性）。在对照图像中，观察到表征差异性与点白度之间基本为单调关系。此外，对应于最大表征差异性（即非单调差异性起始）的点白度水平，与人类观察者中错觉感知起始所对应的水平密切吻合。因此，DNN 中的非单调响应可作为人类错觉感知的潜在模型关联。
引用
@article{arxiv.1907.09019,
title = {ImageNet-trained deep neural network exhibits illusion-like response to the Scintillating Grid},
author = {Eric D. Sun and Ron Dekel},
journal= {arXiv preprint arXiv:1907.09019},
year = {2019}
}
备注
Supplementary material at end of document