深い畳込みニューラルネットワークを持つヒトにおける自然な顔処理のモデリング【JST・京大機械翻訳】

Jiahui, G.; Feilong, M.; Visconti di Oleggio Castello, M.; Nastase, S. A.; Haxby, J. V.; Gobbini, M. I.

プレプリント

J-GLOBAL ID：202202221466228274 整理番号：21P0273011

深い畳込みニューラルネットワークを持つヒトにおける自然な顔処理のモデリング【JST・京大機械翻訳】

Modeling naturalistic face processing in humans with deep convolutional neural networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2023年03月10日プレプリントサーバーでの情報更新日： 2023年03月10日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

顔識別のために訓練された深い畳み込みニューラルネットワーク(DCNN)は,人間レベルの性能を超え,さらに超えることができる。DCNNにおける内部顔表現がヒト認知表現と脳活動に関連する方法はよく理解されていない。ほぼすべての以前の研究は,迅速な表示時間による静的顔画像処理に焦点を合わせ,自然主義的,動的情報の処理を無視した。このギャップに取り組むために,著者らは,人間の神経画像研究(非家族性顔の700+自然ビデオクリップ)における最大自然動的顔刺激セットを開発した。この新規自然データセットを用いて,DCNN,行動応答,および脳応答から推定した表現幾何学を比較した。DCNN表現幾何学はアーキテクチャにわたって一貫性があり,認知表現幾何学は行動配置タスクにおいてレート者間で一致し,顔領域における神経表現幾何学は脳を通して整合することを見いだした。後期,完全に接続したDCNN層における表現形状は,分割のために最適化され,後期中間層における形状よりも,認知および神経幾何学と非常に弱く相関した。後期-中間顔-DCNN層は,主にカテゴリ属性を反映する行動配置タスクで測定したように,認知表現形状に整合し,既知の顔選択トポグラフィーにおける神経表現幾何学と相関させた。本研究は,現在のDCNNが顔のカテゴリー属性のための神経認知過程をうまく捉えるが,しかし,より正確には分割と動的特徴の捕捉を捕えないことを示唆する。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る