深度卷积网络(DCNN)和人类识别物体方法的不同

加州大学洛杉矶分校在PLOS Computing Biology上发表了一篇文章,分析了深度卷积网络(DCNN)和人类识别物体方法的不同:深度卷积网络(DCNN)是依靠物体的纹理进行识别,而人类是依靠物体的轮廓进行识别。如对下面的图a,人类依靠轮廓很快就能识别出这是一只熊,速度和准确性超过深度卷积网络(DCNN);但是如果把熊的图片分成若干部分,再打乱,如图b所示,人类要识别出这是一只熊就很困难了,而深度卷积网络(DCNN)可以很容易的识别出来。这是因为人类是依靠物体的全局信息和轮廓去识别一个物体,而深度卷积网络(DCNN)进行一系列的卷积、池化操作,实际上不是根据物体的全局信息和轮廓去识别,而是根据物体的纹理去识别。

如果将物体的纹理擦掉,只留下轮廓,那么深度卷积网络(DCNN)就识别不出来了,如下图所示。

当物体的轮廓和纹理不一致时,深度卷积网络(DCNN)就会得出错误的识别结果,如下图所示。

 

参考文献:https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1006613#sec001

posted @ 2019-02-12 22:30  MSTK  阅读(512)  评论(0编辑  收藏