文件名称:
具有自变量和超完备表示法的自下而上注意的神经计算模型
开发工具:
文件大小: 3mb
下载次数: 0
上传时间: 2021-03-03
详细说明：背景：选择性注意中的一个重要问题是确定主要视觉皮层对自下而上显着性编码的贡献方式以及对这一过程建模有效的神经计算类型。 为了解决这个问题，我们构建了一个两层的网络，该网络可以满足主要视觉皮层的神经生物学约束，从而可以检测到显着的物体。 我们对合成图像和自然图像进行了实验，以探索网络结构，每层大小，抑制类型和组合策略等因素对显着性检测性能的影响。 结果：实验结果统计表明，过滤器的类型和规模极大地促进了自下而上的显着性编码。 这两个因素对应于初级视觉皮层中不变编码和过完整表示的机制。 结论： （1）我们没有像传统的注意力模型那样构造用于特征提取的Gabor函数或高斯金字塔过滤器，而是从自然图像中学习了过度完备的基集，以提取特征以进行显着性检测。 实验表明，给定适当的层大小和鲁棒的组合策略，在视觉显着性检测中，所学习的过度完成基础集要优于完整集和Gabor金字塔。 该发现可能会应用于与任务相关的和受监督的对象检测中。 （2）为自下而上注意的前注意阶段设计了可以表示不变特征的分层编码模型。 该编码模型提高了对噪声和干扰的鲁棒性，并提高了检测突出结构（例如共线和共圆结构）以及几种复合刺激的能力。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
