zoukankan      html  css  js  c++  java
  • 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

  • 相关阅读:
    hihocoder 1049 后序遍历
    hihocoder 1310 岛屿
    Leetcode 63. Unique Paths II
    Leetcode 62. Unique Paths
    Leetcode 70. Climbing Stairs
    poj 3544 Journey with Pigs
    Leetcode 338. Counting Bits
    Leetcode 136. Single Number
    Leetcode 342. Power of Four
    Leetcode 299. Bulls and Cows
  • 原文地址:https://www.cnblogs.com/mstk/p/10367378.html
Copyright © 2011-2022 走看看