TY -的A2 Schmuker迈克尔AU -钱德勒,本杰明盟——Mingolla尼奥•PY - 2016 DA - 2016/06/01 TI -缓解阻塞对目标识别的影响通过低级图像与深层神经网络完成SP - 6425257六世- 2016 AB -严重阻挡物体更困难比,从而正确分类算法来识别对象。这种效应是罕见的,因此很难测量与数据集ImageNet和帕斯卡VOC,然而,由于偏见在人为的图像构成的选择。我们引入一个数据集,强调阻塞,增加一个标准的卷积神经网络旨在增加不变性闭塞。未经修改的卷积神经网络训练和测试新数据集快速降解chance-level精度随着阻塞增加。培训与阻挡数据放缓这种下降但仍收益率高阻塞表现不佳。整合新预处理阶段段输入和填补遮挡是一种有效的缓解。卷积网络所以修改几乎是超过81%的像素一样有效阻挡,因为它是无阻塞。这样一个网络,从而也更精确的图像比其他相同的网络,一直训练,从而只有图片。这些结果取决于成功的分割。在我们的数据集是故意遮挡容易段的图和背景。 Achieving similar results on a more challenging dataset would require finding a method to split figure, background, and occluding pixels in the input. SN - 1687-5265 UR - https://doi.org/10.1155/2016/6425257 DO - 10.1155/2016/6425257 JF - Computational Intelligence and Neuroscience PB - Hindawi Publishing Corporation KW - ER -