换一批深度卷积神经网络在面孔识别中的表现及与人类视觉系统的对比
The Performance of Deep Convolutional Neural Networks in Face Recognition and the Comparison with the Human Visual System
摘要面孔识别是人类社会交往中的核心认知能力.近年来,深度卷积神经网络(deep convolutional neural network,DCNN)在模拟和理解面孔加工中展现出强大的能力,为探究人类面孔识别的行为表现和神经机制提供了新的视角.因此,围绕识别能力、行为效应与神经机制三个方面,本文系统综述了 DCNN与人类在面孔识别中的异同:(1)首先,DCNN是否具备与人类相当的面孔识别能力?从面孔身份、性别、情绪等特征方面出发,评估DCNN在面孔识别任务中的表现;(2)其次,尽管DCNN在识别准确性上表现优异,其加工策略是否与人类的行为机制一致?基于经典的面孔加工效应(如倒置效应、种族效应、熟悉性效应等)分析DCNN与人类加工策略上的相似性与差异性;(3)进一步,DCNN的内部表征是否与人类面孔加工的神经机制相类似?从结构层级性和功能专门化两个方面,比较其表征方式与人类面孔识别系统的神经基础之间的对应关系.当前模型在鲁棒性与泛化性、结果解释力、生物视觉系统模拟等方面仍存在一定局限性,未来研究也可进一步探索其与多模态网络及生成对抗网络的融合潜力.
更多相关知识
关键词
面孔识别卷积神经网络梭状回面孔区层级结构功能分化face recognitionconvolutional neural networkfusiform face areahierarchical structurefunctional specialization
栏目名称
DOI
10.16719/j.cnki.1671-6981.20250405
发布时间
2025-09-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览5
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
