基于反向相关技术重建的空间感受野结构解释了深度卷积神经网络单元的可视特征选择性
网络与互联网体系结构
2021-03-04 v1
摘要
处理深度卷积神经网络（DCNN）的一个重要问题是“黑箱问题”，即关于内部信息表示与处理的不确定性，尤其在中高层中。在本研究中，我们采用系统神经科学方法测量 VGG16 中单元的可视特征选择性并可视化其空间感受野。使用正弦光栅刺激测量了每个单元的方向和空间频率调谐。还使用自然图像刺激测量了每个单元的图像类别选择性。所有卷积单元感受野的空间结构通过激活加权平均值（AWA）和激活加权协方差（AWC）分析进行估计。在中层（block3 和 block4 中的卷积层），AWC 分析成功重建了能够预测单元可视特征选择性的感受野。这些结果表明，分析重建的感受野结构可用于解释 DCNN 单元和层的功能意义。
引用
@article{arxiv.2103.02587,
title = {Reconstructed spatial receptive field structures by reverse correlation technique explains the visual feature selectivity of units in deep convolutional neural networks},
author = {Yoshiyuki R Shiraishi and Hiromichi Sato and Takahisa M Sanada and Tomoyuki Naito},
journal= {arXiv preprint arXiv:2103.02587},
year = {2021}
}
备注
28 pages, 7 figures, 1 table