在高幅度,大小,方向和背景不确定性下识别目标
Can Oluk1,2,3, Wilson S Geisler1,4
1Center for Perceptual Systems and Department of Psychology, University of Texas at Austin, Austen, TX, USA.
Journal of vision
|February 3, 2025
概括
一个用于视觉目标检测的新计算模型表明,启发式MAX观察者 (SNN-MAX) 非常接近理想的性能. 这个模型准确地预测了人类在复杂的视觉任务中的表现.
科学领域:
- 计算神经科学是一种计算神经科学.
- 视觉感知 视觉感知 视觉感知
- 机器学习 机器学习
背景情况:
- 自然视觉任务需要精确地将图像补丁分为目标类别,包括"没有目标".
- 自然目标的高类别内变性 (不确定性) 复杂化了理解计算机制.
- 任务是从详尽的,相互排斥的类别和子类别中进行识别的.
研究的目的:
- 为了推导出最优的决策规则复杂的视觉识别任务与不确定性.
- 开发一种计算方法来模拟这些任务的性能.
- 将理想的观察者性能与启发式和机器学习模型以及人类数据进行比较.
主要方法:
- 衍生出最佳决策规则,用于识别具有详尽,相互排斥的类别的任务.
- 使用计算方法模拟性能,用于在白噪声中检测目标,具有五个维度的不确定性.
- 对比了理想观察者,启发式观察者 (MAX,SNN-MAX) 和卷积神经网络 (CNN) 与模拟和人类性能数据.
主要成果:
- 一个规范化的启发式MAX观察器 (SNN-MAX) 非常接近最佳性能.
- 一个训练有素的卷积神经网络接近,但没有达到最佳性能.
- 在方向,尺度和背景模式不确定性的条件下,人类的表现与理想和SNN-MAX观察员保持一致,但不是一个简单的MAX观察员.
- 不确定性的影响小于预测,由内在的位置不确定性解释.
结论:
- 在SNN-MAX观察器提供一个计算效率高,准确的近似的最佳视觉目标检测.
- 内在的位置不确定性在减轻刺激不确定性的绩效影响方面发挥着重要作用.
- 计算模型可以有效地捕捉复杂的人类视觉感知,提供对潜在机制的见解.
相关概念视频
01:15High-Resolution Mass Spectrometry (HRMS)
1.2K
The resolution of a mass spectrometer depends on the efficiency of separating ions with different ion masses. The mass of an atom is approximated to the sum of the masses of protons and neutrons inside, considering the masses of protons and neutrons as equal. However, the masses of the proton (1.6726 × 10−24 g) and neutron (1.6749 × 10−24 g) are not truly equal. There is a minor error in the expression of atomic masses relative to the simplest atom of hydrogen. For...
1.2K
01:13Mass Analyzers: Overview
569
The mass analyzer is a crucial component of the mass spectrometer. In the ionization chamber, the vaporized sample is bombarded with a high-energy electron beam to generate a radical cation and further fragment into neutral molecules, radicals, and cations. A series of negatively charged accelerator plates accelerate the cations into the mass analyzer. The mass analyzer separates ions according to their mass-to-charge (m/z) ratios and then directs them to the detector. The common types of mass...
569