机构名称：
¥ 1.0
摘要 - 分配证据表明，在大型数据集上训练的深神经网络模型偏向颜色和纹理信息。人类可以轻松地从图像以及边界轮廓中识别对象和场景。中级视觉的特征是通过一组所谓的格式塔分组规则重组和组织简单的主要特征为更复杂的特征。虽然在人类文献中进行定性描述，但迄今为止缺少这些感知分组规则的计算实施。在本文中，我们为在复杂场景中检测基于轮廓的线索的检测贡献了一组新型算法。我们使用内侧轴变换（MAT）根据这些分组规则在局部评分轮廓。我们通过两种方式证明了这些线索对场景分类的好处：（i）当强调感知分组信息时，人类观察者和CNN模型都最准确地对场景进行了分类。（ii）与使用未加权轮廓相比，使用这些措施加权轮廓可以显着提高CNN模型的性能。我们的工作表明，即使这些度量直接从图像中的轮廓计算出来，当前的CNN模型似乎并未提取或利用这些分组提示。
基于形状的措施改善场景分类
主要关键词
相关文件推荐
