复现受侧抑制启发的卷积神经网络用于视觉注意与显著性检测
神经与进化计算
2020-05-06 v1 机器学习
摘要
近年来，神经网络持续蓬勃发展，在检测照片中的相关物体或简单识别（分类）这些物体方面取得了高效率——主要使用CNN网络。然而，当前的解决方案远非理想，因为网络常常会被甚至自然的图像样本有效混淆。我推测，物体的分类受到物体所在背景像素的强烈影响。在我的工作中，我利用LICNN网络创建的显著性图来分析上述问题。这些显著性图旨在抑制围绕被检测物体的神经元，从而减少背景像素对分类器预测的贡献。我在自然图像和对抗性图像数据集上的实验表明，背景与被错误分类的前景物体之间确实存在可见的相关性。网络的这种行为并不符合人类经验，例如，我们不会仅仅因为黄色校车停在雪地背景上，就将其与扫雪车混淆。
引用
@article{arxiv.2005.02184,
title = {Reproduction of Lateral Inhibition-Inspired Convolutional Neural Network for Visual Attention and Saliency Detection},
author = {Filip Marcinek},
journal= {arXiv preprint arXiv:2005.02184},
year = {2020}
}