测试人类"捕食者"和深层神经网络在检测神秘蝶中的等价性

科学领域:

• 进化生物学是进化的生物学.
• 计算机视觉 计算机视觉 计算机视觉
• 动物行为 动物行为

背景情况:

• 深度神经网络 (DNN) 越来越多地用于研究进化背景下的感知过程.
• 使用DNN的有效性取决于它们的刺激检测是否与生物神经网络保持一致.
• 了解伪装的有效性对于进化和生态研究至关重要.

研究的目的:

• 为了比较人类和六个DNN架构在检测人工的图像分类性能.
• 在评估伪装策略时,评估DNN与人类感知之间的一致性.
• 确定DNN是否可以在伪装研究中可靠地替代人类感知.

主要方法:

• 训练了6个DNN (AlexNet,VGG-16,VGG-19,ResNet-18,SqueezeNet,GoogLeNet) 和人类参与者来检测树干上的人工.
• 在密码中因透明翅膀元素的尺寸和位置而有所不同.
• 分析了不同伪装类型和观看距离 (图像比例) 的检测性能.

主要成果:

• 六个DNN中的四个,就像人类一样,发现了更大的透明元素难以检测的.
• 只有GoogLeNet和人类检测到有透明元素触摸轮的,因为它们更难被检测到.
• 观看距离对伪装感知的影响不同:对于DNN来说减少了,但对人类来说增强了轮触摸元素.

结论:

• 虽然存在一些相似之处,但DNN和人类对伪装的感知显示出显著的差异.
• 视距离对人类和DNN伪装检测的相反影响需要进一步研究.
• 目前的DNN与人类视觉系统没有足够的一致性,无法广泛用于伪装进化研究.