人类行为,大脑和深层神经网络中机动动作能力的表现

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 计算机视觉 计算机视觉

背景情况:

• 机车的动作 (例如,走路,爬山) 取决于视觉环境线索.
• 识别这些机车负担的神经机制仍然不清楚.
• 了解负担能力感知对于导航和交互至关重要.

研究的目的:

• 研究人类视觉皮层中机车负担表现的神经基础.
• 为了比较人类行为,大脑活动和深度神经网络 (DNN) 模型在感知能力方面.
• 为了确定是否affordances是独立于其他场景属性的代表.

主要方法:

• 在各种图像中收集了六个机车动作的人类行为注释.
• 利用功能磁共振成像 (fMRI) 来测量在场景选择性视觉皮层中的大脑活动.
• 分析了在各种视觉任务中训练的模型的深度神经网络 (DNN) 激活.
• 采用等级聚类和表示相似性分析 (RSA).

主要成果:

• 人类根据多个维度将环境分类为不同的机车负担能力集群.
• 视觉皮层代表了机车的负担能力,而不依赖于场景对象,材料,类别或整体属性.
• 负担能力的fMRI表示是独立于任务的.
• 在标准任务中训练的DNN与人类的负担感知相比,与对象识别的相关性较低.

结论:

• 人类视觉皮层在复杂场景中具有独特的表征,用于机动行动的承受能力.
• 这种表示是独立于对象识别和一般场景属性.
• 目前的DNN不能完全捕捉人类的机车负担感知,这表明一种独特的神经计算.