Features for visual object recognition.
Notice bibliographique
Résumé
Human visual object recognition largely relies on shape information. However, the nature of the shape features that actually underlie this task remain largely unknown despite the wealth of competing theories aiming to account for the code by which human vision represents shape. Here, we report a series of five object recognition experiments using a spatial sampling paradigm (cf. Bubbles) to calculate classification images (CIs) that demonstrate the efficient features used by human participants. In all experiments, the targets were behind an occluding mask and partially revealed for 100 ms by a collection of 12 circular gaussian apertures of 0.8° in diameter. Participants pressed a keyboard key to indicate the identity of the target. Response accuracy was maintained at 50% correct by manipulating the degree of degradation of the target image. The experiments essentially differ from one another in terms of the class of stimuli and the exposure of instances from various viewpoints or not. The mean CIs in all experiments constitute a fair representation of those of individual participants. Moreover, when only the significantly effective features from these CIs are visible, this image is easily mapped to the target object by any normal human observer. However, the CIs of human participants correlate poorly with those obtained from an ideal observer carrying out the task under the same conditions. There is no particular type of feature such as those proposed by major shape perception theories (e.g. concavities, convexities, edge intersections, object parts, etc.) that dominate in the mean CIs and feature sizes are quite variable. Overall, these features appear most compatible with the ‘image fragment’ theory proposed by Ullman and collaborators. Remarkably, for all objects that were presented along variable viewpoints, the regions on the object’s surface which constituted the effective features were extremely similar across viewpoints.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,029 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».