計(jì)算機(jī)與人類視覺(jué)有什么差異?如何提高計(jì)算機(jī)視覺(jué)?
據(jù)報(bào)道,UCSB研究發(fā)現(xiàn)計(jì)算機(jī)與人類視覺(jué)具有很大的差異,即使機(jī)器視覺(jué)方面取得了巨大的進(jìn)步,仍然無(wú)法比得上動(dòng)物在復(fù)雜場(chǎng)景的視覺(jué)搜索方面的能力,如何用人眼搜索策略提升計(jì)算機(jī)視覺(jué)至關(guān)重要。因此,當(dāng)目標(biāo)物體與場(chǎng)景的大小不一致時(shí),看漏了目標(biāo)并不是人類的缺陷;相反,它是一種有用的策略的副產(chǎn)品,即大腦能夠快速減少潛在的干擾物的影響。
在繼續(xù)閱讀之前,請(qǐng)觀察下圖,找出圖中所有的牙刷。
你注意到圖中左邊那支巨大的牙刷了嗎?可能沒(méi)有。根據(jù)加州大學(xué)圣巴巴拉分校心理學(xué)與腦科學(xué)系的科學(xué)家們的說(shuō)法,這是因?yàn)楫?dāng)人類在尋找一個(gè)特定的物體時(shí),經(jīng)常容易看漏大小與場(chǎng)景的其余部分不相匹配的物體。
加州大學(xué)圣巴巴拉分校的研究人員發(fā)現(xiàn),當(dāng)人類在尋找一個(gè)特定的物體時(shí),經(jīng)常容易看漏大小與場(chǎng)景的其余部分不相匹配的物體。他們研究這一現(xiàn)象,試圖更好地理解人類和計(jì)算機(jī)在進(jìn)行視覺(jué)搜索時(shí)的區(qū)別,提出利用人類的視覺(jué)搜索策略提高計(jì)算機(jī)視覺(jué)能力。
當(dāng)人類在尋找一個(gè)特定的物體時(shí),經(jīng)常容易看漏大小與場(chǎng)景的其余部分不相匹配的物體。
科學(xué)家們正在研究這一現(xiàn)象,試圖更好地理解人類和計(jì)算機(jī)在進(jìn)行視覺(jué)搜索時(shí)的區(qū)別。他們的發(fā)現(xiàn)發(fā)表在最新一期 Current Biology 雜志上。
藏在眼皮底下“當(dāng)某些東西以不同尋常的大小出現(xiàn)時(shí),你會(huì)更經(jīng)常地看漏,因?yàn)槟愕拇竽X會(huì)自動(dòng)忽略它,”UCSB教授Miguel Eckstein說(shuō),他專門研究計(jì)算人類視覺(jué)(computaTIonal human vision)、視覺(jué)注意力和搜索。
該實(shí)驗(yàn)使用的是計(jì)算機(jī)生成的圖像中的普通物體的場(chǎng)景,這些圖像的顏色、角度和大小不一,并混進(jìn)“目標(biāo)缺失”的場(chǎng)景。研究人員要求60名被試者在這些圖像中搜索特定物品(例如:牙刷、停車計(jì)時(shí)器、鼠標(biāo)),并使用眼球追蹤軟件監(jiān)控他們的視線。
研究人員發(fā)現(xiàn),當(dāng)物體大小與尋常大小差別很大(太大或太小)時(shí),人們往往會(huì)更容易忽略目標(biāo),哪怕他們已經(jīng)直直地盯著目標(biāo)對(duì)象。
相比之下,根據(jù)科學(xué)家們的報(bào)告,計(jì)算機(jī)視覺(jué)不會(huì)出現(xiàn)這個(gè)問(wèn)題。但是,在實(shí)驗(yàn)中,研究人員發(fā)現(xiàn),最先進(jìn)的計(jì)算機(jī)視覺(jué)技術(shù)——深度神經(jīng)網(wǎng)絡(luò)——也有其自身的局限性。
人類搜索策略可以改進(jìn)計(jì)算機(jī)視覺(jué)
深度學(xué)習(xí)算法將紅色框里的鍵盤錯(cuò)誤地識(shí)別為手機(jī)(來(lái)源:UC Santa Barbara)
例如,一個(gè)CNN深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)錯(cuò)誤地將計(jì)算機(jī)鍵盤識(shí)別為手機(jī),它基于形狀的相似性,以及物體相對(duì)手的位置(手機(jī)經(jīng)常被拿在手中)。但對(duì)人類來(lái)說(shuō),這個(gè)物體的大小(相對(duì)于人的手)顯然與手機(jī)是不一致的。
研究人員在論文中指出:“這種策略可以讓人在快速做決策時(shí)減少失誤。”
Eckstein說(shuō):“我們的想法是,當(dāng)你第一次看到一個(gè)場(chǎng)景時(shí),你的大腦會(huì)在幾百毫秒甚至更短的時(shí)間里快速處理這個(gè)場(chǎng)景的信息,然后你會(huì)使用這些信息來(lái)引導(dǎo)你尋找物體出現(xiàn)的典型位置。”“同時(shí),你也會(huì)把注意力集中在那些與你所尋找的物體大小一致的物體上。”
也就是說(shuō),人類的大腦利用物體間的關(guān)系來(lái)引導(dǎo)他們的眼睛——這是一個(gè)快速處理場(chǎng)景信息的有用策略,可以消除干擾,減少誤報(bào)。
根據(jù)研究人員的說(shuō)法,通過(guò)利用大腦用來(lái)減少誤報(bào)的一些技巧,這一發(fā)現(xiàn)可能對(duì)改善計(jì)算機(jī)視覺(jué)有所啟發(fā)。
未來(lái)的研究Eckstein說(shuō):“有一些理論認(rèn)為,患有自閉癥譜系障礙的人更關(guān)注局部的場(chǎng)景信息,而不是整體的結(jié)構(gòu)。”Eckstein正在計(jì)劃一項(xiàng)后續(xù)研究,他說(shuō):“因此,有一種可能性是,患有自閉癥譜系障礙的人可能更不容易看漏那些被錯(cuò)誤放大的物體,但在我們進(jìn)行這項(xiàng)研究之前,尚沒(méi)法確定這一點(diǎn)。”
接下來(lái),研究人員將關(guān)注當(dāng)我們看到錯(cuò)誤放大的物體時(shí)發(fā)生的大腦活動(dòng)。
博士后研究員Lauren Welbourne說(shuō):“有許多研究已經(jīng)確定了大腦中處理場(chǎng)景和物體的區(qū)域,現(xiàn)在研究人員正在努力了解這些場(chǎng)景和物體的哪些特定屬性被呈現(xiàn)給大腦的這些區(qū)域。”目前的研究主要集中在物體是如何在大腦皮層上呈現(xiàn),以及場(chǎng)景背景如何影響物體的感知。
他說(shuō):“所以我們要做的是找出這些大腦區(qū)域?qū)υ谝粋€(gè)場(chǎng)景中正確或錯(cuò)誤地縮放的物體是如何做出反應(yīng)的。這可能有助于我們確定哪些區(qū)域?qū)κ刮覀兛绰┍诲e(cuò)誤放大的物體有影響。”