深度卷积神经网络中格式塔闭合原则的探究

深度神经网络在物体识别方面表现出色，但它们是否像人类一样感知物体？本研究探究了卷积神经网络中的格式塔闭合原则。我们提出了一种识别闭合的协议，并使用逐步移除边缘部分的简单视觉刺激进行实验。我们评估了知名网络对不完整多边形的分类能力。研究结果表明，随着边缘移除百分比的增加，性能出现退化，表明当前模型严重依赖完整的边缘信息来进行准确分类。本研究使用的数据可在Github上获取。