用于轮廓检测的循环神经回路
计算机视觉与模式识别
2020-10-30 v1 人工智能
摘要
我们引入一种近似视觉皮层回路的深度循环神经网络架构。我们表明，这一我们称之为gamma-net的架构，在学习解决轮廓检测任务时比最先进的(SOTA)前馈网络具有更好的样本效率，同时还表现出一种被称为方向倾斜错觉的经典感知错觉。修正该错觉会显著降低gamma-net的轮廓检测准确率，因其转而偏好低级边缘而非高级物体边界轮廓。总体而言，我们的研究表明方向倾斜错觉是有助于生物视觉系统实现鲁棒且高效轮廓检测的神经网络回路的副产品，且将这些回路引入人工神经网络可改进计算机视觉。
引用
@article{arxiv.2010.15314,
title = {Recurrent neural circuits for contour detection},
author = {Drew Linsley and Junkyung Kim and Alekh Ashok and Thomas Serre},
journal= {arXiv preprint arXiv:2010.15314},
year = {2020}
}
备注
Published in ICLR 2020