如何进行图像识别图像识别算法有哪些( 三 )

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，最近她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。
【如何进行图像识别图像识别算法有哪些】美国俄勒冈州立大学计算机科学家Thomas Dietterich认为：“这项研究是一个激动人心的突破，深度学习到底发生了什么？我们对此有了更深的理解，也许研究还能帮助我们突破极限，看到更多东西。正因如此，我很喜欢这些论文。”

如何进行图像识别 图像识别算法有哪些( 三 )

如何进行图像识别图像识别算法有哪些( 三 )