从灵长类AIT神经元到DNN神经元对物体刺激视觉响应的统计
计算机视觉与模式识别
2019-06-07 v2 神经元与认知
摘要
Cadieu等(Cadieu,2014)报告称，深度神经网络(DNN)在物体识别方面可以媲美灵长类下颞叶皮层的表征。Lehky等(Lehky,2011)对灵长类AIT皮层中神经元对物体刺激的响应提供了统计分析。他们发现AIT皮层中物体表征的内在维度约为100 (Lehky,2014)。鉴于DNN在物体识别中的出色表现，研究DNN神经元的响应统计是否与AIT神经元相似是很有价值的。遵循Lehky等的工作，我们分析了DNN神经元对图像刺激的响应统计及物体表征的内在维度。我们的研究结果表明，就峰度和Pareto尾指数而言，DNN神经元在单神经元选择性和群体稀疏性方面的响应统计与IT神经元存在根本差异，除某些特殊情况外。通过增加神经元和刺激的数量，结论可能发生实质性改变。此外，随着DNN卷积层占据主导地位，DNN神经元的单神经元选择性和群体稀疏性增加，表明最后的卷积层用于学习物体表征的特征，而随后的全连接层用于学习分类特征。研究还发现，要获得稳定的维度，需要足够数量的刺激和神经元。据我们所知，这是第一项分析DNN神经元响应统计并与AIT神经元进行比较的工作，我们的结果不仅为DNN神经元在物体表征方面与IT神经元的差异提供了见解，而且为当记录的神经元和刺激数量超出(Lehky,2011,2014)中的水平时IT神经元的可能结果提供了启示。
引用
@article{arxiv.1612.03590,
title = {Statistics of Visual Responses to Object Stimuli from Primate AIT Neurons to DNN Neurons},
author = {Qiulei Dong and Zhanyi Hu},
journal= {arXiv preprint arXiv:1612.03590},
year = {2019}
}