人类看的是形状，算法看的是纹理收藏

   当你看着一张猫的照片，轻松就能知道猫有没有条纹，不管照片是黑白照，有斑点，还是磨损或者褪色了，都能轻松识别不论宠物蜷缩在枕头背后；或者跳到工作台上，拍照时留下一片朦胧，你都能轻松识别如果用机器视觉系统（用深度神经网络驱动）识别，准确率甚至比人还要高，但是当图片稍微新奇一点，或者有噪点、条纹，机器视觉系统就会犯傻了。

   为什么会这样呢？德国研究团队给出一个原因，这个原因出乎意料：人类会关注图中对象的形状，深度学习计算机系统所用的算法不一样，它会研究对象的纹理。

   德国的发现告诉我们人类与机器“思考”问题时有着明显区别，也许还能揭示人类视觉进化的秘密有大象皮肤的猫和时钟做的飞机    深度学习算法是怎样“工作”的呢？首先人类向算法展示大量图片，有的图片有猫，有的没有。

算法从图片中找到“特定模式”，然后用模式来做出判断，看看面对之前从未见过的图片应该贴怎样的标签    神经网络架构是根据人类视觉系统开发的，网络各层连接在一起，从图片中提取抽象特点神经网络系统通过一系列联系得出正确答案，不过整个处理过程十分神秘，人类往往只能在事实形成之后再解释这个神秘的过程。

   美国俄勒冈州立大学计算机科学家Thomas Dietterich说：“我们正在努力，想搞清到底是什么让深度学习计算机视觉算法走向成功，又是什么让它变得脆弱”    怎样做？研究人员修改图片，欺骗神经网络，看看会发生什么事。

研究人员发现，即使只是小小的修改，系统也会给出完全错误的答案，当修改幅度很大时，系统甚至无法给图片贴标签还有一些研究人员追溯网络，查看单个神经元会对图像做出怎样的反应，理解系统学到了什么    德国图宾根大学（University of Tübingen）科学家Geirhos领导的团队采用独特方法进行研究。

去年，团队发表报告称，他们用特殊噪点干扰图像，给图像降级，然后用图像训练神经网络，研究发现，如果将新图像交给系统处理，这些图像被人扭曲过（相同的扭曲），在识别扭曲图像时，系统的表现比人好不过如果图像扭曲的方式稍有不同，神经网络就无能为力了，即使在人眼看来图像的扭曲方式并无不同，算法也会犯错。

   对于这样的结果如何解释？研究人员深入思考：到底是什么发生了变化，即使只是加入很少的噪点，也会发生如此大的变化？答案是纹理当你在很长的时间段内添加许多噪点，图中对象的形状基本不会受到影响；不过即使只是添加少量噪点，局部位置的架构也会快速扭曲。

研究人员想出一个妙招，对人类、深度学习系统处理图片的方式进行测试    研究人员故意制作存在矛盾的图片，也就是说将一种动物的形状与另一种动物的纹理拼在一起，制作成图片例如，图片中的动物轮廓是猫，但是猫披着大象纹理；或者是一头熊，但它们是由铝罐组成的；又或者轮廓是飞机，但飞机是由重叠的钟面组成的。

研究人员制作几百张这样的拼凑图片，然后给它们标上标签，比如猫、熊、飞机用4种不同的分类算法测试，最终它们给出的答案是大象、铝罐、钟，由此看出算法关注的是纹理    Columbia大学计算机神经科学家Nikolaus Kriegeskorte评论说：“这一发现改变了我们对深度前向神经网络视觉识别技术的认知。

”    乍一看，AI偏爱纹理而非形状有点奇怪，但细细深思却是有理的Kriegeskorte说：“你可以将纹理视为精密的形状”对于算法系统来说精密的尺寸更容易把握：包含纹理信息的像素数量远远超过包含对象边界的像素数量，网络的第一步就是检测局部特征，比如线条，边缘。

多伦多约克大学计算机视觉科学家John Tsotsos指出：“线段组按相同的方式排列，这就是纹理”    Geirhos的研究证明，凭借局部特征，神经网络足以分辨图像    另有科学家开发一套深度学习系统，它的运行很像深度学习出现之前的分类算法——像一个特征包。

   “算法将图像分成为小块，接下来，它不会将信息逐步融合，变成抽象高级特征，而是给每一小块下一个决定，比如这块包含自行车、那块包含鸟再接下来，算法将决定集合起来，判断图中是什么，比如有更多小块包含自行车线索，所以图中对象是自行车。

算法不会考虑小块之间的空间关系结果证明，在识别对象时系统的精准度很高”    研究人员Wieland Brendel说：“这一发现挑战了我们之前的假定，我们之前认为深度学习的行为方式与旧模型完全不同很明显，新模型有很大飞跃，但飞跃的幅度没有大家预料的那么大。

”约克大学、多伦多大学博士后研究员Amir Rosenfeld认为，网络应该做什么，它实际做了什么，二者之间仍有很大差异    Brendel持有相似观点他说，我们很容易就会假定神经网络按人类的方式完成任务，忘了还有其它方式。

向人类视觉靠近    目前的深度学习技术可以将局部特征（比如纹理）与整体模式（比如形状）结合 在一起    Columbia大学计算机神经科学家Nikolaus Kriegeskorte说：“在这些论文中有一点让人感到稍稍有些奇怪，架构虽然允许这样做，不过如果你训练神经网络时只是希望它分辨标准图像，它不会自动整合，这点在论文中得到明显证明。

”    如果强迫模型忽视纹理，又会怎样呢？Geirhos想找到答案团队将训练分类算法的图片拿出来，用不同的方式给它们“粉刷”，将实用纹理信息剔除，然后再用新图片重新训练深度学习模型，系统转而依赖更全局的模式，像人类一样更加偏爱形状。

   当算法这样行动时，分辨噪点图像的能力同样更强了，虽然在此之前研究人员并没有专门训练算法，让它识别扭曲图像    对于人类来说，可能自然而然也存在这样的“偏爱”，比如偏爱形状，因为当我们看到一件东西，想确定它是什么时，靠形状判断是最有效的方式，即使环境中有许多干扰，同样如此。

人类生活在3D世界，可以从多个角度观察，我们还可以借助其它感知（比如触觉）来识别对象所以说，人类偏爱形状胜过纹理完全合理    德国图宾根大学研究人员Felix Wichmann认为，这项研究告诉我们数据产生的偏见和影响远比我们认为的大得多。

之前研究人员也曾发现相同的问题，例如，在面部识别程序、自动招聘算法及其它神经网络中，模型过于重视意料之外的特征，因为训练算法所用的数据存在根深蒂固的偏见想将这种不想要的偏见从算法决策机制中剔除相当困难，尽管如此，Wichmann认为新研究证明剔除还是有可能的。

   虽然Geirhos的模型专注于形状，不过如果图像中噪点过多，或者特定像素发生变化，模型仍然会失败由此可以证明，计算机算法离人类视觉还有很远距离在人类大脑中，可能还有一些重要机制没有在算法中体现出来。

Wichmann认为，在某些情况下，关注数据集可能更重要    多伦多大学计算机科学家Sanja Fidler认同此观点，她说：“我们要设计更聪明的数据和更聪明的任务”她和同事正在研究一个问题：如何给神经网络分派第二任务，通过第二任务让它在完成主任务时有更好表现。

受到Geirhos的启发，最近他们对图像分类算法进行训练，不只让算法识别对象本身，还让它识别对象轮廓（或者形状）中的像素    结果证明，执行常规对象识别任务时，神经网络越来越好，自动变得越来越好Fidler指出：“如果指派单一任务，你会特别关注某些东西，对其它视而不见。

如果分派多个任务，也许能感知更多算法也是一样的”当算法执行多个任务时，它会关注不同的信息，就像Geirhos所做的“形状纹理”实验一样

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。