文献

J-GLOBAL ID：201502209029532130   整理番号：15A1289120

物体認識モデルにおける変換順序の教師無し不変性学習は非偶発的特徴に対する選択性を生み出す

Unsupervised invariance learning of transformation sequences in a model of object recognition yields selectivity for non-accidental properties

著者 (3件)： PARKER Sarah M. (DBrown Univ., RI, USA) ,  SERRE Thomas (DBrown Univ., RI, USA) ,  SERRE Thomas (Brown Inst. for Brain Sci., RI, USA)
資料名： Frontiers in Computational Neuroscience (Web)  (Frontiers in Computational Neuroscience (Web))
巻： 2015  号： Oct  ページ： WEB ONLY  発行年： 2015年10月 
JST資料番号： U7036A  ISSN： 1662-5188  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 非偶発的性質(non-accidental properties;NAPs)は,視点の変化に対して不変である画像特性(例えば,直線的輪郭vs.曲線的輪郭)に合致し,そしてそれは深さ方向への物体の回転により連続的に変化可能である計量的特性(metric properties;MPs)により識別される(例えば縦横比,曲率,その他)。形状情報処理の行動学的および電気生理学的研究は,MPsにおけるよりもNAPsにおける相違に対する高い感受性を実証している。しかし先の研究は,そのような感受性がHMAXのような物体認識の多重ビューモデルでは欠落していることを示している。これらのモデルは,物体情報処理が少なくともNAPsにおけるようなMPsでの相違と同様に調節される分散型対称ベル型同調を有する視野同調ニューロン集団に基づくと定型的に仮定する。本稿で著者らは,HMAXにおいて,物体変換に対する不変性の教師無し学習がMPsよりもNAPsでの相違に対し感受性を増加させる可能性があるという仮説を検証する。著者らは,初期発達段階の幼児による物体操作において見られた順序を模倣するために,深さ方向にゆっくり回転する物体の動画像列のデーターベースを収集した。著者らは,教師無し学習が,サルのITデータと一致してMPsよりもNAPsでの相違に対する高い感受性を有する高次ステージでの形態特異的同調を生み出した。まとめるとこれらの結果は,高いNAP感受性が,物体の異なる深さ方向の回転を経験することにより出現する可能性を提示する。(翻訳著者抄録)

シソーラス用語： ヒト ,  子供 ,  *コンピュータビジョン ,  *ニューラルネットワーク ,  *物体認識 ,  パターン分類 ,  視認 ,  *特徴抽出 ,  情報処理 ,  形態 ,  パラメータ ,  幾何学量 ,  教師なし学習
準シソーラス用語： *HMAXモデル ,  形状パラメータ

分類 (5件)： 計算機シミュレーション  (JE11000H) ,  中枢神経系  (EJ12030F) ,  視覚  (EJ13020B) ,  脳・神経系モデル  (EL02050C) ,  視覚モデル  (EL02060N)

タイトルに関連する用語 (7件)： 物体認識 ,  モデル ,  順序 ,  教師 ,  不変性 ,  学習 ,  選択性