可视化与理解视觉系统
计算机视觉与模式识别
2020-06-23 v1 人工智能
摘要
人类视觉系统如何解决物体身份保持识别问题在很大程度上未知。此处，我们使用一个识别-重建网络(RRN)来研究发育、识别、学习与遗忘机制，并取得了与猴子电生理测量相似的特征。首先，在网络发育研究中，RRN同样经历以神经元类型、突触与激活模式特异性，以及从早期粗显著图识别到成熟细结构识别的视觉任务表现为特征的关键发育阶段。在数字识别研究中，我们观察到RRN能在多种观测条件下通过群体神经元响应的协调调整保持物体不变性表征。此类协调的群体响应包含解纠缠的物体身份与属性信息，可通过高层皮层甚至简单加权和解码器准确提取。在学习与遗忘研究中，新结构识别通过低幅度调整整体突触实现，同时保留原始突触连接的模式特异性，这保证了不破坏已有功能的学习过程。本工作有益于理解人类视觉处理机制及类人机器智能的发展。
引用
@article{arxiv.2006.11413,
title = {Visualizing and Understanding Vision System},
author = {Feng Qi and Guanjun Jiang},
journal= {arXiv preprint arXiv:2006.11413},
year = {2020}
}