中科院DeepMind联手,用深度学习揭示大脑如何识别人脸|Nature子刊
点击上方“视学算法”,选择加"星标"或“置顶”
重磅干货,第一时间送达
梦晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI
DeepMind和中科院神经科学研究所联手了。
他们用无监督深度学习揭示出大脑识别人脸的机制。
具体来说,大脑会把面部特征分解成一些语义特征,如年龄、性别或是否在微笑,而且是单个神经元对应某个具体特征。
△图源Marta Garnelo
此外,他们构建的模型利用少量神经元的信号就能还原出整个面部图像,相关论文发表在最新一期Nature Communications上。
论文共同一作为DeepMind研究员Irina Higgins和中科院神经科学研究所研究员常乐。
其他参与者还包括DeepMind创始人哈撒比斯、加州理工神经科学研究院主任曹颖等。
他们的实验结果提出可以在单个神经元的尺度上去理解大脑视觉。
这一结果可以说打破了以往的认知,即认为单个神经元在很大程度上是不可解释的,有意义的信息存在于大量神经元的互动组合中。
相关领域的学者也表示会好好研究这篇文章,因为如果在看到这篇之前问他“无监督深度学习能解释大脑的什么机制吗?”,他会毫不犹豫地说“没戏”。
人工神经元与猕猴神经元有强对应
灵长类大脑有着惊人的处理视觉信息的能力,几毫秒之内就能对看到的复杂场景做出识别反应。
不过这种能力的具体运作机制一直没有研究透彻。
中科院常乐和加州理工曹颖之前都对猕猴的视觉机制做过研究,找出负责猕猴大脑负责识别面孔的是下颞叶皮层 (inferotemporal cortex)中的一部分。
这次与DeepMind的合作中,他们选用自监督的β-VAE(β变分自动编码器)来模拟大脑中负责识别面孔的模块。
在对比β-VAE模型的行为与猕猴的神经活动数据的过程中,研究人员发现真实神经元和人造神经元之间存在强烈的一一映射关系。
这下可好,虽然大脑的机制不易研究,VAE的原理可是很明白。
编码器把输入数据在隐空间中编码成各种特征,如物体的大小、颜色、位置,再由解码器进行重建。
这种能力被称为“解耦”或“解纠缠”,而β-VAE是VAE之中解耦能力较强的一种变体。
对于面部识别来说也是如此。
从年龄、性别到更具体的眼间距、眉毛粗细都会被分解成一个个特征。
β-VAE与猕猴神经元间的强对应关系,意味着生物大脑很可能也是按这种方式去感知人脸。
为了验证这一点,研究人员用猕猴神经元的测量数据去训练β-VAE,成功的进行了人脸的重建。
最后,研究团队希望来自机器学习的最新见解可以反馈给神经科学,并推广到识别人脸之外的任务,特别是抽象推理或通用任务学习。
作者介绍
本文的共同一作、通讯作者Irina Higgins是DeepMind研究员,也是β-VAE模型论文的第一作者。
共同一作常乐是中国科学院神经科学研究所的研究员,研究领域是结合功能核磁共振、电生理记录和数学建模等手段来研究不同种类的物体如何在猕猴的下颞叶皮层进行表征。
常乐曾在加州理工任博士后期间与曹颖合作。
曹颖从2017年起担任加州理工陈天桥雒芊芊脑科学研究院主任,2018年获得麦克阿瑟天才奖,2020年当选美国科学院院士。
论文地址
https://www.nature.com/articles/s41467-021-26751-5
参考链接:
[1]https://deepmind.com/research/publications/2021/unsupervised-deep-learning-identifies-semantic-disentanglement-in-single-inferotemporal-face-patch-neurons
— 完 —
点个在看 paper不断!
中科院DeepMind联手,用深度学习揭示大脑如何识别人脸|Nature子刊相关推荐
- DeepMind用深度学习模仿大脑推理,预测编码智能推进一大步!
[新智元导读]预测编码理论认为,大脑的感知.运动控制.记忆及其他高级功能,取决于真实经历和大脑对未来的预测之间的差异.DeepMind新推出的"生成查询网络"模仿了大脑的预测编码机 ...
- 基于深度学习的大脑性别差异分析
点击上方蓝字关注我们 基于深度学习的大脑性别差异分析 温景熙, 于胡飞, 辛江, 唐艳 中南大学计算机学院,湖南 长沙 410083 摘要:深度学习被广泛应用于大脑的相关研究中.通过构建深度学习模型对 ...
- Nature论文解读:深度学习助力毫秒之间识别癌细胞
论文动机 流式细胞仪作为一种生物医学诊断技术,可以准确测量细胞特性.当前仪器已经实现了细胞的分类识别,但由于数据处理耗时的问题,尚不能对细胞进行实时分选. 基于之前的工作,本文作者提出采用深度学习来解 ...
- 【手写汉字识别】基于深度学习的脱机手写汉字识别技术研究
写在前面 最近一段时间在为本科毕业设计做一些知识储备,方向与手写识别的系统设计相关,在看到一篇2019年题为<基于深度学习的脱机手写汉字识别技术研究>的工学硕士论文后,感觉收获比较大,准备 ...
- 浙江大学《深度学习与行人重识别》课程课件
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要3分钟 Follow小博主,每天更新前沿干货 课程介绍 该课程为浙江大学罗浩博士于2018年10月录制的<基于深度学习和行人重识别> ...
- opencv交通标志识别_教你从零开始做一个基于深度学习的交通标志识别系统
教你从零开始做一个基于深度学习的交通标志识别系统 基于Yolo v3的交通标志识别系统及源码 自动驾驶之--交通标志识别 在本文章你可以学习到如何训练自己采集的数据集,生成模型,并用yolo v3算法 ...
- DeepEye:一个基于深度学习的程序化交易识别与分类方法
DeepEye:一个基于深度学习的程序化交易识别与分类方法 徐广斌,张伟 上海证券交易所资本市场研究所,上海 200120 上海证券交易所产品创新中心,上海 200120 摘要:基于沪市A股交 ...
- 深度学习笔记(42) 人脸识别
深度学习笔记(42) 人脸识别 1. 人脸识别 2. One-Shot学习 3. Similarity函数 1. 人脸识别 现在可以看到很多产品在运用人脸识别,如手机解锁.车站身份识别认证.刷脸支付等 ...
- 基于自动图像分割算法和扩展数据集深度学习的经济作物病害识别
基于自动图像分割算法和扩展数据集深度学习的经济作物病害识别 1.作物病害识别出现的问题 实际应用中作物图像的复杂背景信息和训练数据不足会导致深度学习的错误识别. 2.研究内容 提出了一种基于自动图像分 ...
最新文章
- 规格选择_Axure教程:实现商品规格选择功能
- java 关于日期的一些常用惯例
- 几何梯度分析神经网络中不可信预测性
- Error:unsupported class file version 52.0问题的解决
- C#多线程使用进度条
- 2017. 网格游戏
- 『协议』XML-RPC 协议规格说明
- python入门之控制结构循环结构_python入门教程04-05(python语法入门之流程控制)...
- iOS 开发之玩转专场动画
- 推理集 —— 物品与动物
- 英文课程名称 c语言程序设计,课程名称C语言程序设计I.doc
- JDBC13 ORM02 Map封装
- 吴恩达机器学习作业(1)
- java获取当前时间sql_JAVA中获取当前系统时间
- LTE/LTE advanced——UMTS 长期演进理论与实践——控制面(3)
- RHCE7 -- systemctl命令
- 刀图案c语言,刀符号图案大全 | 手游网游页游攻略大全
- UVA 1589 xiangqi
- 26个大小写字母对应的哈希值
- 机器学习之聚类算法——聚类效果评估可视化