关键词orientation selectivity
搜索结果 - 3
- ECCV深度表示为什么是良好的感知质量特征?
该研究分析了预训练卷积神经网络中的中间特征图如何提高感知质量,并提出了两种新的公式来评估深度 CNN 学习到的特征,发现使用这些特征能更好地预测人类质量判断, 进一步展示了利用该方法来选择深度特征用于形成新的损失函数可以提高单图超分辨率问题 - 初级视皮层旋转等变卷积神经网络模型
本文研究了鼠视觉皮层神经元的处理方式,通过使用旋转等价卷积神经网络提取共性特征并与传统模型进行比较,发现传统线性 - 非线性模型存在不足,但卷积神经网络能够更加准确地预测自然刺激下神经元的反应,且 V1 神经元存在一些与传统 Gabor 过 - V1 中的自然图像编码:方向选择性有多少用处?
研究表明,在视觉皮层 V1 中,方向选择性源于自然图像中高阶冗余关联的降低,而线性独立成分分析模型 (ICA) 能够比主成分分析 (PCA) 更好地去除这种冗余,但我们发现 ICA 滤波器的优势非常小,并且简单的球对称分布可以比 ICA 更