前后下皮质视图不变对象表示:一种机器学习方法
Jun-Ya Okamura1, Daisuke Fukano1, Keisuke Murakami1
1Information Science and Biomedical Engineering Program, Graduate School of Science and Engineering, Kagoshima University, Kagoshima 890-0065, Japan.
IBRO neuroscience reports
|August 11, 2025
概括
对象识别中的视角不变性在前下 (IT) 皮层 (TE) 比后IT (TEO) 更强. 这表明TE在从不同角度识别物体方面发挥了更大的作用.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 视觉感知 视觉感知 视觉感知
背景情况:
- 下皮质 (IT) 对于在腹部视觉流中的物体识别至关重要.
- 之前的研究表明,TE区域的单个细胞表现出视角耐受性,与TEO区域的单个细胞不同.
研究的目的:
- 使用机器学习来比较TE和TEO之间的人口活动,以评估观点容忍度.
- 为了研究不同IT皮层子区域的视角不变的表示.
主要方法:
- 使用机器学习算法 (支持矢量机器) 来分类对象视图.
- 训练了对象图像在特定视角上的分类器,并测试了其在不同角度的图像上的性能.
- 分析了来自TE和TEO区域的神经反应的种群载体.
主要成果:
- 区域TE群体对具有先前视图关联学习的对象展示了30-90°的视角耐受性.
- 区域TEO群体显示了30°的有限的视角容忍度.
- 在较晚的时间段内,TE区域的性能 (d') 显著增加,表明视图不变性表示得到了增强.
结论:
- 视角不变性在下皮层的TE区域中表达得更强烈.
- TEO区域也对视角不变的对象识别有所贡献,尽管在较小程度上.
- 在TE中,晚期神经活动可能对强大的视图不变物体识别至关重要.
更多相关视频
07:08Investigating Object Representations in the Macaque Dorsal Visual Stream Using Single-unit Recordings
Published on: August 1, 2018
8.4K
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
7.1K
