論文の概要: What takes the brain so long: Object recognition at the level of minimal images develops for up to seconds of presentation time

• arxiv url: http://arxiv.org/abs/2006.05249v1
• Date: Tue, 9 Jun 2020 13:33:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 14:17:35.690719
• Title: What takes the brain so long: Object recognition at the level of minimal images develops for up to seconds of presentation time
• Title（参考訳）: 脳が長すぎる理由: 最小限の画像レベルでの物体認識は、プレゼンテーションの最大数秒の間発達する
• Authors: Hanna Benoni, Daniel Harari and Shimon Ullman
• Abstract要約: 最小認識可能な画像(MIRC)のレベルにおける認識過程の時間軌跡について検討する。 MIRC画像は確実に認識できるが、画像の微小な変化が認識に劇的な影響を及ぼす。 眼球運動、知覚的意思決定、パターン完成などのプロセスがなぜ説明できないのかを論じる。
• 参考スコア（独自算出の注目度）: 5.478764356647437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rich empirical evidence has shown that visual object recognition in the brain is fast and effortless, with relevant brain signals reported to start as early as 80 ms. Here we study the time trajectory of the recognition process at the level of minimal recognizable images (termed MIRC). These are images that can be recognized reliably, but in which a minute change of the image (reduction by either size or resolution) has a drastic effect on recognition. Subjects were assigned to one of nine exposure conditions: 200, 500, 1000, 2000 ms with or without masking, as well as unlimited time. The subjects were not limited in time to respond after presentation. The results show that in the masked conditions, recognition rates develop gradually over an extended period, e.g. average of 18% for 200 ms exposure and 45% for 500 ms, increasing significantly with longer exposure even above 2 secs. When presented for unlimited time (until response), MIRC recognition rates were equivalent to the rates of full-object images presented for 50 ms followed by masking. What takes the brain so long to recognize such images? We discuss why processes involving eye-movements, perceptual decision-making and pattern completion are unlikely explanations. Alternatively, we hypothesize that MIRC recognition requires an extended top-down process complementing the feed-forward phase.
• Abstract（参考訳）: 実験的な証拠は、脳内の視覚物体の認識は速く、無力であり、関連する脳信号は80msで開始すると報告されている。この記事では、最小認識可能な画像(MIRC)のレベルでの認識過程の時間軌道について研究する。 これらは確実に認識できる画像であるが、画像の微細な変化(サイズまたは解像度による還元)が認識に劇的な影響を与える。 被験者は、マスキングの有無に関わらず、200, 500, 1000, 2000 msの9つの露光条件のうちの1つに割り当てられた。 被験者はプレゼンテーション後に反応する時間に制限はなかった。 その結果,仮面状態では,200ms露光では平均18%,500msでは45%と,長期露光時には2秒以上でも認識率が徐々に上昇することが明らかとなった。 無限時間(応答まで)で提示すると、MIRC認識率は50msのフルオブジェクト画像と同等であり、マスキングが続いた。 このような画像を認識するのになぜ脳がそんなに長いのか? 眼球運動、知覚的意思決定、パターン完成などのプロセスがなぜ説明できないのかを論じる。 あるいは、MIRC認識にはフィードフォワードフェーズを補完する拡張トップダウンプロセスが必要であると仮定する。

関連論文リスト

• Cinematic Mindscapes: High-quality Video Reconstruction from Brain Activity [0.0]
  我々は,Mind-Videoを用いて,任意のフレームレートで高品質な映像を再構成可能であることを示す。 また,我々のモデルは,確立された生理的過程を反映し,生物学的に妥当かつ解釈可能であることも示している。
  論文  参考訳（メタデータ） (2023-05-19T13:44:25Z)
• Neural Correlates of Face Familiarity Perception [27.35019550592346]
  ヒトを用いた脳波とMEG実験では、不慣れな顔と慣れ親しんだ顔に対応する神経活動が250ミリ秒前後で出現することが報告されている。 本稿では,パターン分類手法を用いて,高密度MEG記録におけるそのような相関関係の探索に成功したことを報告する。 これらの結果は、人間とマカク人のデータを解析し、慣れ親しんだ顔知覚の基礎となる神経機構に関する手がかりを提供するのに役立つ。
  論文  参考訳（メタデータ） (2022-07-31T03:31:32Z)
• Automatic Classification of Alzheimer's Disease using brain MRI data and deep Convolutional Neural Networks [0.0]
  アルツハイマー病(英: Alzheimer's disease、AD)は、世界の公衆衛生問題の一つ。 本稿では,脳MRI画像とセグメント画像を用いたディープラーニングアーキテクチャの構築について検討する。
  論文  参考訳（メタデータ） (2022-03-31T20:15:51Z)
• Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
  ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。 WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。 この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
  論文  参考訳（メタデータ） (2021-08-16T15:51:51Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• REaL: Real-time Face Detection and Recognition Using Euclidean Space and Likelihood Estimation [0.0]
  REaLシステムは顔の検出と認識を正確に行うように設計されている。 システムはローカルデータベースを使用して、キャプチャされた画像を格納し、ニューラルネットワークを頻繁にフィードする。 システムはユーラー角を計算し、顔が微笑んでいるか、左目、右目が開いているかの確率を計算する。
  論文  参考訳（メタデータ） (2020-11-30T08:03:04Z)
• HM4: Hidden Markov Model with Memory Management for Visual Place Recognition [54.051025148533554]
  自律運転における視覚的位置認識のための隠れマルコフモデルを提案する。 我々のアルゴリズムはHM$4$と呼ばれ、時間的ルックアヘッドを利用して、有望な候補画像をパッシブストレージとアクティブメモリ間で転送する。 固定被覆領域に対して一定の時間と空間推定が可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-01T08:49:24Z)
• On the Minimal Recognizable Image Patch [6.3455238301221675]
  人間の視覚とは対照的に、一般的な認識アルゴリズムは部分的に隠された画像で失敗することが多い。 本稿では,画像を認識するのに十分な最小限のパッチ(MRP)を見つけることにより,アルゴリズムの限界を特徴付けることを提案する。 専門的なディープネットワークによって、与えられたサイズの最も情報に富むパッチを見つけ出すことができ、実験ツールとして機能する。
  論文  参考訳（メタデータ） (2020-10-12T17:06:16Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。