线索驱动的基于特征反馈在物体识别中的功能作用
神经元与认知
2019-03-26 v1 计算机视觉与模式识别
机器学习
摘要
视觉物体识别并非易事，尤其当物体退化、被杂波包围或短暂呈现时。外部线索（如言语线索或视觉上下文）可在此类条件下提升识别性能。本工作中，我们构建人工神经网络来建模物体处理流（OPS）与线索之间的交互。我们研究了改变 OPS 的神经与表征容量对线索驱动的基于特征反馈在 OPS 中提供的性能提升的影响。我们观察到，仅当关于物体的类别特定特征无法在 OPS 中充分表征时，该反馈才提供性能提升。这种表征限制更多依赖于任务需求而非神经容量。我们还观察到，为最大化识别性能提升而训练的反馈方案不同于基于调谐的反馈，且实际表现优于基于调谐的反馈。
引用
@article{arxiv.1903.10446,
title = {The functional role of cue-driven feature-based feedback in object recognition},
author = {Sushrut Thorat and Marcel van Gerven and Marius Peelen},
journal= {arXiv preprint arXiv:1903.10446},
year = {2019}
}
备注
4 pages, 4 figures, published at the Conference on Cognitive Computational Neuroscience (CCN) 2018