层级视觉模型中基于稀疏编码的推理
计算机视觉与模式识别
2022-01-19 v3 机器学习
摘要
稀疏编码因其计算优势和与生物学的联系而被纳入视觉皮层模型。但稀疏程度如何影响视觉任务性能尚不清楚。在这项工作中，稀疏编码被整合到一个现有的层级 V2 模型（Hosoya 和 Hyvärinen, 2015）中，但用显式稀疏编码替换了其独立成分分析 (ICA)，其中稀疏程度可以控制。训练后，具有更高稀疏度的稀疏编码基函数呈现出性质上不同的结构，如曲线和拐角。模型的贡献通过图像分类任务进行评估，特别是与中级视觉相关的任务，包括图形-背景分类、纹理分类以及两条线刺激之间的角度预测。此外，还通过与 V2 中报告的纹理敏感性度量（Freeman 等人, 2013）以及一个删除区域推理任务进行比较来评估模型。实验结果表明，虽然稀疏编码在图像分类上表现不如 ICA，但只有稀疏编码能够通过增加稀疏编码中的稀疏程度，更好地匹配 V2 的纹理敏感性水平并推断出被删除的图像区域。更高的稀疏度允许推断更大的被删除图像区域。本文描述了稀疏编码中允许这种推理能力的机制。
引用
@article{arxiv.2108.01548,
title = {Inference via Sparse Coding in a Hierarchical Vision Model},
author = {Joshua Bowren and Luis Sanchez-Giraldo and Odelia Schwartz},
journal= {arXiv preprint arXiv:2108.01548},
year = {2022}
}
备注
To appear in Journal of Vision (JoV)