TY -的AU - Yu, Ziya (AU -张气非盟-王,临远盟通,李盟——燕,本PY - 2020 DA - 2020/08/01 TI -视觉编码模型的比较分析基于分类和分割该cnn SP - 5408942六世- 2020 AB -如今,视觉编码模型使用卷积神经网络(cnn)和杰出的表现在计算机视觉模拟人类信息处理的过程。然而,编码模型的预测性能差异基于不同的网络由不同的任务。在这里,网络任务编码模型的影响进行了研究。使用功能性磁共振成像(fMRI)数据,自然视觉刺激的特点提取使用分割网络(FCN32s)和一个分类网络(VGG16)与不同的视觉任务但类似的网络结构。然后,使用三套特性,即。、分割、分类和熔融特性,正则化正交匹配追踪(ROMP)方法用于建立线性映射的特征体素的反应。分析结果表明,基于网络编码模型执行不同的任务可以有效但不同预测stimulus-induced衡量fMRI的反应。编码模型的预测精度基于VGG发现明显好于基于FCN在大多数的模型体素但类似于熔融特性。执行分类的比较分析表明,CNN的任务是比这更类似于人类视觉处理执行分割任务。SN - 1748 - 670 - 2020/5408942 / 10.1155 x你——https://doi.org/10.1155/2020/5408942——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER