Evrişimli sinir ağlarında bulanıklık sağlamak için sağlamlığı dahil ederek insan görüşünün iyileştirilmiş modellemesi
Retinaya bir görsel sahne yansıtıldığında, çevredeki zayıf çözünürlük nedeniyle çoğu bozulmuş görünecektir; ayrıca optik bulanıklaştırma, merkezi görüşte bulanıklığa neden olabilir. Bununla birlikte, bulanık veya bozulmuş girdinin yaygınlığı, evrişimli sinir ağlarının (CNN’ler) eğitiminde tipik olarak göz ardı edilir. Bulanık eğitim girdilerinin yokluğunun, CNN’lerin nesne tanıma için aşırı derecede yüksek uzamsal frekans bilgisine dayanmasına ve dolayısıyla biyolojik görüşten sistematik sapmalara neden olabileceği varsayımında bulunduk. Bu hipotezi, standart CNN’leri net ve bulanık görüntülerin bir kombinasyonu üzerinde eğitilmiş CNN’lerle karşılaştırarak değerlendirdik. Bulanıklaştırma eğitimli CNN’lerin, çeşitli görüntüleme koşullarında nesnelere verilen nöral tepkileri tahmin etmede standart CNN’lerden daha iyi performans gösterdiğini gösteriyoruz. Ayrıca, bulanıklık eğitimli CNN’ler, şekil bilgisine karşı artan hassasiyet ve çoklu görsel gürültü biçimlerine karşı daha fazla sağlamlık elde ederek insan algısıyla gelişmiş yazışmalara yol açar. Sonuçlarımız, bulanık görsel deneyimlerin biyolojik görsel sistemlere sağlamlık kazandırmak için çok önemli olduğuna dair yeni nörohesaplamalı kanıtlar sunmaktadır.
