循环连接有助于部分遮挡物体的识别
计算机视觉与模式识别
2019-09-16 v1 机器学习
摘要
前馈卷积神经网络是核心物体识别的主流模型。对于遮挡等具有挑战性的条件，神经科学家认为视觉皮层中的循环连接有助于物体识别。在本工作中，我们研究人工神经网络是否以及如何从循环连接中受益。为此，我们系统地比较了由自下而上（B）、侧向（L）和自上而下（T）连接构成的架构。为评估性能，我们引入了两个新颖的立体遮挡物体数据集，弥合了从数字分类到三维物体识别的差距。该任务由识别被多个遮挡物遮挡的一个目标物体组成。我们发现循环模型的表现显著优于参数复杂度相匹配的前馈对应模型。我们展示对于具有挑战性的刺激，循环反馈能够正确修正网络最初的前馈猜测。总体而言，我们的结果表明人工和生物学神经网络均可利用循环来改善物体识别。
引用
@article{arxiv.1909.06175,
title = {Recurrent Connectivity Aids Recognition of Partly Occluded Objects},
author = {Markus Roland Ernst and Jochen Triesch and Thomas Burwick},
journal= {arXiv preprint arXiv:1909.06175},
year = {2019}
}
备注
9 pages, 3 figures. arXiv admin note: text overlap with arXiv:1907.08831