人类场景理解的 Ikshana 假说

近年来，深度神经网络（DNNs）在多项计算机视觉任务上取得了最先进的性能。然而，这些 DNNs 的一个典型缺陷是需要大量标注数据。尽管少样本学习方法解决了该问题，但它们通常在现有方法之上使用元学习和度量学习等技术。在这项工作中，我们从神经科学视角通过提出一个名为 Ikshana 的假说来解决这个问题，该假说得到神经科学中若干发现的支撑。我们的假说近似了人脑在理解自然场景/图像时概念要旨的精炼过程。尽管我们的假说在神经科学中并无特别新颖性，但它为设计用于视觉任务的 DNNs 提供了新颖视角。遵循 Ikshana 假说，我们设计了一种名为 IkshanaNet 的新型神经启发 CNN 架构。实证结果通过在 Cityscapes 和 CamVid 语义分割基准的全部及子集上优于若干基线，展示了我们方法的有效性。