Cours #4 Flashcards

Question

La vision de niveau intermédiaire (mid-level) : trouver les bords

Answer 1

Comment trouvez-vous les bords des objets? Les cellules du cortex visuel primaire ont de petits champs récepteurs. Comment savez-vous quels bords vont ensemble et lesquels ne vont pas ensemble?

Answer 2

Les détecteurs de bord informatisés ne sont pas aussi performants que les humains. Parfois, les ordinateurs ne trouvent pas les bords que les humains voient facilement.

Answer 3

Un contour qui est perçu même si rien ne change d'un côté du contour à l'autre.

Answer 4

Tt le monde cap de voir triangle blanc. Mais en realité, y'a pas de triangle blanc. Mais on est tous cap de perevoir ce contour. ---- Pas de difference physique de fond blanc ici Même si le contour est clairement visible, il n'y a pas de différence physique entre le fond blanc et la flèche blanche au centre. --- Le cerveau pt faire quoi ? Pk cette illusion de contour ? Le cerveau qd traite ces sit doit représenter la meilleure estimation possible de ce qui se passe reellement. Illustré par fleches. Qui suggerent que surface blanche qui masque deux cercles noirs et non ligne noire verticale. Surface blanche qui masque deux face noires. Estimation de la realité. Cerveau complete info manquante pr tirer conclu la + probable de ce qui est en face de ns. --- On a tous perception de cercle blanc. Mais non. Cerveau va intégrer cette info et tirer conclu la plus logique - que prob y'a une surface blanche qui va obstruer de lignes noires concentriques. Ça qui illustré par les felches pointillées. Va amener à ce contour illusotire. Voir cercle au dessus des lignes noire = solution simple qui explique les caractériques de image. Ensemble, comité qui va traiter info locale et se dire que le + probable = cercle blanc qui obstrue ligne noire. Vision intermediaire im^lique des proc dsitribués. Comités qui vont traiter info ensemble pr tirer des conclusions et info les proc de haut niv Taille de V2 d'une cellule permet pas de créer ça, MAIS une communication de plusieurs cellules pt lier à cette communication (mm principe que 5 aveugles). IDÉE DE LA COMMUNICATION DE CELLULES - LES COMITÉS.

Answer 5

La théorie de la Gestalt (en allemand, "forme" ou "tout"). "Le tout est plus grand que la somme de ses parties." Opposé à d'autres écoles de pensée, comme le structuralisme, qui mettent l'accent sur les éléments de base de la perception. xxxxx STRUCUT : Biederman qui essayé de segmenter recon des objets en alphabet de geons (formes qui combinés peuvent recreer tt les objets). Ca = vrm structur. Besoin pr interpréter le tt de comités qui vont work ensemble pr tirer des conlusions. Permettent de décrire elements d'une image et regrouper diff elements d'une image. Qd figuere fond, certaines regles qui font que etiquette figure / fond à certains elements.

Answer 6

un ensemble de règles qui décrivent quand les éléments d'une image apparaîtront comme s’ils étaient regroupés.

Answer 7

Une règle de regroupement de la Gestalt indiquant que deux éléments auront tendance à se regrouper s'ils se trouvent sur le même contour.

Answer 8

Les regles de regrp voudraient que 1 e 4 = un groupe et 3 te 2 = un grp. 1 se connecte + fort avc 4. Bonne continution va biaiser perception. MAIS, ici, regle de bonne conti brisée. PCq ici meilleur 1 et 3 et 2 et 4

Answer 9

Phen de bonne ontinuation. Image ds miroir conne impression que pers a disparau. Pcq personne tient miroir pr que bordure du miroir = parfaitement en ligne avec bordure du champ derriere. Donne impression que 2 images se regrp et illusion que pers transparante. Implique la ligne de bonne continuation. Champ devant elle reflechi devant reflechi ds miroir et le champ derriere elle. MANUEL En revanche, dans la FIGURE 4.17, la bonne continuation est suffisamment forte pour violer le bon sens et créer un enfant apparemment transparent.

Answer 10

Segmentation de texture : découpage d'une image en régions de propriétés de texture communes. Le regroupement des textures dépend des statistiques des textures dans une région par rapport à une autre. ---- Cmt reconnaitre transition de objets complexes ? Savoir segmenter oû texture commence et fini.

Answer 11

Propriétés physiques des éléments de la texture qui ns permettent de segmenter. Ex : on va use les propriétés physiques de ces text et les petits objets = lignes vertic ou horizon. Mais senbmle segm entre ce qui a gauche et ce qui droite. Regrp par texture qui segmente deux regions de image. Gauche = confirg des lignes qui forment des ++++ Droite = des angles droits. Ces deux caract donnent naissance à cette segmentations.

Answer 12

Similarité : les éléments similaires ont tendance à se regrouper. Proximité : les objets proches les uns des autres ont tendance à se regrouper. xxxxx En lien avc seg texture, pcq qd texture diff on va les separer. Les deux sont vrm liés

Answer 13

Fait que element sproches donne impression que des lignes. MAIS simliralité ns donne impression de segmentation de gauche et droite. DEUX PROPRIÉTÉS QUI AGISSENT - Similarité ds la ligne Proximité qui donne impression de quatre lignes sur ce diagramme

Answer 14

Présent ds notre envi visuel. Ici, sim et prox des elements permet de regrp choses qui appartiennet à un objet et faire segm entre figure et fnod.

Answer 15

Le regroup par couleur et forme ne fctionne pas. Ici, montre que limite de regrp par similarité. Pcq si on s'imagine que cong entre couleur et fomrme donne regrp, on verrait segm, mais ici pas vrm seg. Y'a des limites au regrp par similarit.

Answer 16

Ici, regrp apr similarité d'oppose (etoile, cercle, etoile, cerle) Pas de regrp spontané très fort. Y'a des liites. Qd les deux en opposition, pas de segmentation figure-fond

Answer 17

Ce genre d'image : quuelles courbent semblent être grp ? 7-8 : symetriques 2-3 : pk ? Elles sont parralleles

Answer 18

Parallélisme : Symétrie : Région commune : Connectivité :

Answer 19

Ces deux reglent amenent à percept vrm interessante. Ici on a symetrie des colones qui donnent impression de profil humain, alors qu'on regarde rampte. Va donner naissance de figure fond et donner perception des sinhouette.

Answer 20

Parallélisme : les contours parallèles appartiennent probablement au même groupe.

Answer 21

Symétrie : les régions symétriques sont plus susceptibles d'être considérées comme un groupe

Answer 22

Région commune : les éléments sont regroupés s'ils semblent appartenir à la même région plus grande.

Answer 23

Connectivité : les éléments auront tendance à se regrouper s'ils sont connectés.

Answer 24

#1 Regle que proximité. #2 Regions communes (fait que dessiné regions), semble les connecter. Les cercles se regrp par paire de deux à cause de regions communes. REGRP REGIONS COMMUNNES = + FORT QUE PAR PROXIMITÉ Regions commune l'emporte. #3 Connectivité. Se regrp s'ils sont connectés. CONNECT L'EMPORTE SUR PROXIMITÉ. Regrp par connecti = + fort que regrp par proximité.

Answer 25

Les animaux exploitent les principes de groupement de la Gestalt pour se regrouper dans leur environnement. Parfois, le camouflage est utilisé pour confondre l'observateur. DASAL PAIN Navires francais qui used des especes de pattenr d'art orienté pr masquer certains attributs. Ici, but = eviter de se faire couler. Qqun qui vt faire couler doit envoyer misile. Mais si en mouv, calculer vitesse, direction pr envoyer misile la ou bateau va se trouver. En use dasal paint, on exploite principes de regrp de Gest pr confondre navire ennemi en cachant la direction. Bcp + tof d'identifier ds quelle direction va voyager, et donc + tof à abattre.

Answer 26

Une métaphore du fonctionnement de la perception Les comités doivent intégrer les avis contradictoires et parvenir à un consensus. De nombreux principes différents et parfois concurrents sont impliqués dans la perception. La perception résulte du consensus qui se dégage xxxx Comités permettent de resoudre certaines situations (qd présence d'ambiguité). Ex avc les elephants. En isolation, ces CR pevent ps tirer conclusion que presence de X ou Y. Idée de Gesl = tt + fort que somme. Pr intergrer un tout, il faut work en comité Fiat que des comités vont traiter et débattre ensemble sur infos conflictuelles pr tirer conclu la + logique, c'est une metaphore du fction du cerveau et la perception Y'a des proc et des conclu diff qui peuvent être tirées dep de quel neurone on parle. Il faut que cette info soit intégrée mm si elle est parfois contractoire. Pt que elephant certains CR vont envoyer info rp reponse A, d'autres rep B… Faut se rassembler en comité pr tirer la conclu la + logique / probable. (de l'intégration de info et du consensus du comité qui va degager. Des mises en opposition que contribuent les membres.)

Answer 27

Tableau marché aux esclaves de Dali. A use les principes de Gestal pr cacher une image. Le buste de voltaire. Et modifie totalement le sens de l'eouvre. R resourdes les ambiguités, les comités de Gesltat doivent se rencontrer pr discuter et prendre des décisons sur cest quoi quon est en train de voir et cest quoi le percept.

Answer 28

respectez la physique et évitez les accidents! Figure ambiguë : un stimulus visuel qui donne lieu à deux ou plusieurs interprétations de son identité ou de sa structure. Les comités perceptifs ont tendance à obéir aux lois de la physique.

Answer 29

A: Illusion où bistabilité. Perception que le cube sort ou entre ds l'écran - Cette perception va osciller. Parfois impression que B, D, etc…. Alors que tt ce qui est dessiné en a = ce quon voit en d. Y'a cette ambiguité ds la figure. B : cube sort de l'écran C: cube rentre ds écran xxxxx Similaie à ça. Ici, impression de profondeur ds les cubes . Indices de proffondeur va varier, alors que tjrs les mm formes geome. Mais comités de gestalt vont debattre les proprités et tirer conclu lea + probable de profondeur de ces formes. Qui sont textures sur plan 2D mais apparence 3D. ÇA = UN DES ELEMENTS DE REP DE PSEUSO PARA DE PARADOXQUE xxxxx MANUEL Le cube filaire (A) peut facilement être perçu comme l'un des solides illustrés en (B) ou (C). Il est beaucoup moins susceptible d'être perçu comme une collection de régions plates sur la page (D), même si c'est vraiment ce qu'il est ! Cube de Necker : Un schéma qui est perceptionnellement bistable. Contrairement à ce qui se passe avec la plupart des stimuli, deux interprétations se disputent continuellement la dominance perceptive.

Answer 30

Dep de orient, canard ou lapin. Conlu la + probalbe dep de orientation de presentation de la figure.

Answer 31

Règles du comité : respectez la physique et évitez les accidents! (suite) Point de vue accidentel : une position de visualisation qui produit une certaine régularité dans l'image visuelle qui n'est pas présente dans le monde. Les comités de perception supposent que les points de vue ne sont pas accidentels. xxxxxx Un exmeple d'accident : les pts de vue accidentels. Va influencer les coposantes de prop physques de image visuelles, mais pas vrm presnet ds le monde. Pts de vue unique qui va donner naissance. Mais d'un autre pts de vue, mpas la realité physique du monde qui ns entoure. Supposer que real doit obeir aux regles de physique.

Answer 32

Tour de pise Gens vont exploiter pts de vue accident xxxx Point de vue accidentel Une position d'observation qui produit une certaine régularité dans l'image visuelle qui n'est pas présente dans le monde (par exemple, les côtés de deux objets indépendants parfaitement alignés). A un certain niveau, vous vous savez que ces gens ne tiennent pas la Tour de Pise, mais cela semble tout à fait convaincant. Si la caméra bougeait un tout petit peu, l'illusion disparaîtrait.

Answer 33

Discrimination figure-fond : Déterminer quelle partie de l’environnement est la figure de sorte que celle-ci ressort du fond. xxxx Ds ctx de vision intermédiaire, on parle de ségrégation entre figure et fond. Plein de principes de gesltat qui definisssent cette relation F-F. Parfois dossible aussi de discrimer des figures qui son absentes ! Ex les deux visages qui donne perception de vase.

Answer 34

Entourage Taille Symétrie Parallélisme Mouvement relatif

Answer 35

Entourage : les zones qui peuvent être considérées comme entourées par d'autres ont tendance à être considérées comme des figures

Answer 36

Taille : La plus petite région est susceptible d'être la figure. xxxx Qd on regarde objet, souvent y'a un fond. Ex segregation ici pcq notre visage = + petit que le fond ds classe qui entoure. AU dela des regles de segmentaiton, y,a des principes organisateurs qui definissent physique de notre realité. .

Answer 37

Symétrie: Une région symétrique a tendance à être considérée comme une figure.

Answer 38

Parallélisme : les régions aux contours parallèles ont tendance à être considérées comme des figures.

Answer 39

Mouvement relatif : si une région se déplace devant une autre, la région la plus proche est représentée comme étant la figurE xxxx Si une figure qui se deplace devant objet ds notre champ visuel, le mouv de cette figure va créer percep que cette figure = une figure et n'appartient pas au fond. Objet qui bouge, si plus près de ns que le fond, on va le percevoir comme objet.

Answer 40

Caractéristique non accidentelle : caractéristique d'un objet qui ne dépend pas de la position de visualisation exacte (ou accidentelle) de l'observateur. Jonctions en T : indiquent l'occlusion. Le haut du T est devant et la tige du T est derrière. Jonctions en Y : indiquent les coins faisant face à l'observateur. Jonctions fléchées : indiquent les coins opposés à l'observateur. xxxx Dep de notre pts de vue, on pt donner naissance à sit qui refletent pas vrm notre realité. - ça = accidentel (ne depend pas de pts de vue de position accidentelle à laquelle l'obs visualise une scene. Ex touriste qui tiennent Pise, on sait que la tiennent pas vrm. Que ya des caract non-acci , que toure = pencheé et que caract acc (le pts de vue) qui donne impression que y'a la prise es caract importantes aussi ds modele de structuralisme de Biederman

Answer 41

Jction ici indique que la forme à l'avant occlue la forme derrière. La tige du T = tjrs derrière la barre transversale du T. Ce qui va créer effet d'occlusion. Les coin de fctions fléchés = tournés vers l'opposé de l'obs et les coins de jctions Y = tournés vers obs. Ce qui ns donne perception des coins et des bordures. Les jctions T vont indiquer de l'occlusion. Un des cubes = desvant autre. Jction en T (qui sauf exceptionn ds certain pt de vue accidentel vrm rare) indique oclusion. Arrow et Y indique des coins. Caract viuelles qui composent objets qui permettent de rec certains parametres de ces objets. Coin de jonction des fleches indiquent aussi direction du coin. Ici, arrow indique pts qui s'eloigne de obs et Y indique que jonction + pres. Vont contribuer info de distance aussi par rapport aux obs.

Answer 42

Groupements senbmlent indiuqer H,C,L, mm si lettres composés de petits s,n et l. Tendance à voir en premier info globale. Ds des conditions cliniques, comme autisme, certanies propensité à reconnaitre details avant le global . Pers qui diag d'autautims ici va reconnaitre s,n,h avant HCL. Traitement + local fait ds cerveau des pers avc diag autisme qui donne rep biaisée.

Answer 43

Parties et ensembles : Effet de supériorité globale : les propriétés globales de l'objet (entier) priment sur les propriétés locales (des parties) de l'objet. xxx À l'excepti de pers avec diag autisme

Answer 44

1. Rassemblez ce qui devrait être réuni 2. Divisez en deux ce qui devrait être divisé en deux 3. Utilisez ce que vous savez 4. Évitez les accidents 5. Rechercher le consensus et éviter l'ambiguïté xxxxx MANUEL RÉSUMÉ 1. Rassembler ce qui doit être rassemblé. Nous disposons des principes de regroupement de la Gestalt (similarité, proximité, parallélisme, symétrie, etc.) et des processus qui complètent les contours et les objets, même lorsqu'ils sont partiellement cachés par des occlusifs (par exemple, l'heuristique de relativité). 2. Divisez ce qui doit être divisé. Les principes de regroupement sont complétés par les processus de recherche des limites qui séparent les régions les unes des autres. Les mécanismes Figure-Fond séparent les objets de l'arrière-plan. Les processus de segmentation des textures séparent les régions les unes des autres sur la base des statistiques de l'image. 3. Utiliser ce que l'on sait : des configurations de bords bidimensionnels sont prises pour indiquer des coins tridimensionnels ou des limites d'occlusion, et les objets sont divisés en parties sur la base d'une connaissance implicite de la physique de la formation des images. 4. Évitez les accidents. Évitez les interprétations qui nécessitent de supposer des combinaisons de caractéristiques ou des points de vue accidentels très spécifiques. 5. Rechercher le consensus et éviter l'ambiguïté. Toute image est ambiguë. Il existe Il existe toujours des situations physiques multiples, voire infinies, qui pourraient générer une image donnée. En s'appuyant sur les quatre premiers principes, les "comités" de la vision de niveau intermédiaire doivent éliminer toutes les possibilités sauf une, ce qui permet de lever l'ambiguïté et d'apporter une solution unique au problème perceptif en question.

Answer 45

En passant de V1 à IT dans la voie “quoi”, les neurones répondent à des stimuli de plus en plus complexes. Au niveau de V4, les cellules s'intéressent aux stimuli tels que les fans, les spirales et les moulinets. Il est difficile de savoir exactement ce que les neurones V4 aiment, mais c'est quelque chose de plus compliqué que des taches ou des barres lumineuses. xxx Taille des CR qui va augmenter à mesure qu'on avance de V1 à V2 à V3 à V4. Vont exciter les neurones deV4. Vraiment pas encore clair à quoi sert V4 exactement ds reconnaissance des objets. MAIS etudes qui montrent que rep des stim + complexes. On va pas savoir V4 fait quoi exactement. Formes geo un peu synthetiques. (ou mm de l'attribution de appartenance des biordures comme ds V2)

Answer 46

A stimulé les singes et mesure les neurones. Code de couleur : couleurs froides aux chaudes. Chaudes montrent les formes pref de cet neurone ds V4. Va repondre par formes de spirales + que circulaires. Formes vrm complexe, c'est abstrait, on est plus ds les barres, les taches… Vont faire un traitement de forme abstrait et contribuer à la reconnaissance ds le traitement des objects. xxxxx Sitm used pr etudier et comprendre les fctions preferentielles des nruones ds V4. En stimulant, voir si neurones de V4 qui rep de facon pref à diff fortne Rouge, orangé et jaune indiquet + rep des cell de V4 Et couleurs froides, + faibles. Modulation du niv d'activation dep de la forme des stimulis. Mias à premiere vue pas claire pk 1 vs 2. Probalement que recoit projections qui impliquent cell qui rep à des FS, orientaiton dif… mais âs evident de comprendre il se passe quoi ds V4 qd on voit ce genre de tableau. Certaines cell rep de facon prefentielle à ceraines formes et d'autres rep de facon pref à d'autres, et pas clair c,est quoi qui gouverne cette preference.

Answer 47

Cellule qui répond bien aux surfaces qui pointent vers la droite. MAIS, le mm neurone ne répondrait pas à la figure en B, pcq ds figure en B, fleche qui pointe vers la droite est le produit d'une occlusion. Produit de l'occlusion qui va faire la forme noire. La zone de V4 va hériter de l'info qui vient de V2 (qui ns parlait de boundery ownership - à qui appartient à la frontière). Avec ces calculs et ces infos que le neurone va être cap de faire la part des choses ds ces deux sits. xxxx Cellule qui répond bien aux surfaces qui pointent vers la droite. MAIS, le mm neurone ne répondrait pas à la figure en B, pcq ds figure en B, fleche qui pointe vers la droite est le produit d'une occlusion. Produit de l'occlusion qui va faire la forme noire. La zone de V4 va hériter de l'info qui vient de V2 (qui ns parlait de boundery ownership - à qui appartient à la frontière). Avec ces calculs et ces infos que le neurone va être cap de faire la part des choses ds ces deux sits. xxxx Y'a propriété accidentale. Si y,avait pas cercle rouge, on pourrait pas savoir forme noire qui se cache derriere. Et cell de V4 va aeriter de ca et nature propriété accidentelle ou pas semble influencer rep de V4. Certaines mecanismes qui influencent son niv de reponse.

Answer 48

L'imagerie fonctionnelle peut nous aider à identifier les régions du cerveau qui répondent le mieux à certains stimuli. Méthode de soustraction (classique): comparaison de l'activité cérébrale mesurée dans deux conditions. La différence entre les images peut montrer les régions cérébrales spécifiquement activées par ce processus mental. xxxx Techniques qui combinés à IRMf permettent de comprendre plein de choses. On a delaissé methode de soustraction pr use des techniques de decodage (qui viennent des mathi et ingenieurs). Qd on a commencé à use technique d'analyse + sophistiqueé, on comprend mieux cmt cerveau traite info pr reconnaitre obet. Ex on a condition A et B. On présente condition A pdnt 20 sec et apres pdnt 20 sec ob presente B. Et moyenne de activation signal BOLD pr bloc B et A et contraste entrecondition A et B. Diff d'activation entre 2 conditons. MAIS à la abse, cette meth presuppose que le neurone ou le voxel qui ns interesse repond pas aux deux. Que soit s'interesse à A ou B, mais pas aux eux. Pcq si s'interesse aux 2, pas de difference au niv de excitation et rien qui va sortir de notre equation. Methode cache des choses. Ne culmine pas , ne prend avantage de tt info que les cellules de notre cerveau peuvent traiter. Ds derniers 20-30 ans, IRMf = source extraordinaire. Une des methodes expérimen qui était used = methode de soustraction. Présenter 20 visages diff pdnt qu'on mesure l'activité cérébrale en IRMF. Apès 20 maisons. On fait moyenne des visages, moyennes maisons , et soustraction entre les deux, et ça permet d'identifier les voxels / regions en IRMf qui répondent préférentiellement aux visages et non aux maisons. Possible de le faire avc plein d'autre categories aussi, rajouter des chaises, etc.. Comme ca que FFA a été identifiée. En faisant moyenne des cartes d'activité en reponse aux visages, la moyenne des cartes d'activ en reponse aux non-v-sages et en faisant sousfra entre les deux pr voir que y'a des aires qui répondent de manière préférentielle plus fortement aux visages qu'aux non-visages. MÉTHODE DE SOUSTRACTION L'une des façons de le montrer est la méthode dite de la soustraction. Si vous montrez à un observateur humain une série d'images d'espaces tels que des pièces, des champs ou des rues, de nombreuses parties du cerveau seront activées par ces lieux. Montrez ensuite à l'observateur d'autres images aux propriétés similaires, mais qui ne sont pas des lieux - peut-être des versions brouillées des lieux, des objets ou des dessins abstraits. Là encore, de vastes zones du cerveau seront activées. Cependant, si vous soustrayez les deux schémas d'activation, il y aura au moins une région - l'aire parahippocampique des lieux (PPA), dont nous avons parlé à la section 4.2 - qui est spécifiquement et fiablement activée davantage par les lieux que par d'autres stimuli (Epstein et Kanwisher, 1998). (Nous avons également mentionné deux autres zones spécialisées bien établies, l'aire fusiforme du visage et l'aire extrastriée du corps ; voir la figure 4.4).

Answer 49

Prenez des scans IRMf d'un participant regardant de nombreuses images de différentes catégories connues. Entraînez un modèle informatique pour reconnaître l'activité cérébrale de chaque catégorie. Testez ensuite le modèle informatique pour voir s'il peut identifier une image non entraînée en fonction de ce qu'il a appris. xxxx Pas nec se oncentrer sur diff d'activation pour une cellule. Vont prendre le patron d'activé d'une region pr rpedire si en presence de stim en condition A ou B. Je presente image X à part, j'enregistre son activié et j'essaie de guess si cette activ = en reponse à la cond A ou B. On pt facilement decoder image qui a été presentée. Ex une visage,un batiment, etc.. Et enregistre act cerebrale, cap de predire à quel moment on regardait quelle imge. PCq de facon distribuée les cellules work en comité et cap de différencier ces stimulis avc lesquels on stimule ds les experience. Principes veut que nos cellules communiquent entre elles et vont contrinuber à recon des objets. xxxxx Depuis années 2000, methodes de decodage. Permet de rep à des question similaires, mais avc + de precision et puissance stats que methode de soustr. Présenter aux participants plein d'images diff , mesurer les patrons d'activité pr chacune image, entrainer un ordi à reconnaitre les patrons d'activ pr chacune des images et apres tester ce programme sur une carte d'activité cérébrale qui pas inclue dans les données d'entrainement pr que l'ordinateur prenne une decision sur ce que le participétait en train de voir qd j'ai mesuré cette carte d'activation. Cest ca le decoding. Et la perfo (cmb de fois l'ordi va produire une bonne reponse), ns donne un indice pr une region donnée si y'a de l'info qui est encodée par rapport aux objets visuels ou aux conditions expérimentales used ds l'experience xxx MÉTHODE DE DÉCODAGE Les études d'imagerie fonctionnelle plus modernes font appel à des méthodes de décodage, comme le montre la FIGURE 4.42. Tout d'abord, un observateur placé dans un scanner d'imagerie par résonance magnétique se voit présenter une série d'images d'une vaste série d'objets, chacun dans des tailles, des positions, etc. très différentes. Les chercheurs cataloguent ensuite les réponses du cerveau à chacune de ces images "d'entraînement". Ensuite, l'observateur voit une nouvelle image d'un objet choisi au hasard, et les chercheurs utilisent les schémas de l'activité cérébrale de l'observateur pour essayer de deviner l'identité de l'objet. Il existe peut-être une partie du cerveau qui génère des schémas permettant à votre système visuel de déterminer correctement que ce stimulus était un chat et que ce stimulus était une chaussure. Cela ne prouve pas que cette partie spécifique du cerveau était le lieu de la reconnaissance, mais cela montre que des informations sur l'identité de l'objet sont présentes dans cette région (Kay et al., 2008). À terme, le décodage pourrait nous mener à des endroits plutôt intéressants. Si vous connaissez les schémas d'activité associés à un large éventail d'objets présentés pendant qu'une personne est éveillée, pourriez-vous décoder les rêves de cette personne si vous la laissiez dormir dans le scanner ? Nous n'en sommes pas encore là, mais un début a été fait (Horikawa et al., 2013).

Answer 50

Ex ici on presente des oiseaux, des casquettes. On mesure patron d'activité des oiseaux et celui des casquettes . On entraine ordi à reconnaitre parton d'activ des oiseaux et de la casquette. Et on a patron d'activité cérébrale dont on connait pas identité du stim présenté au participant et on demande à l'ordi : selon ce que t'as appris jusqua date et étant donné le patron d'activité que jte montre, qceque tu penses que le participant regardait. Si le programme donne bonne reponse (oiseau), on sait que ds ces voxels / regions, y'a de l'info qui permet de discriminer les oiseaux des casquettes.

Answer 51

Théorie des templates : La proposition selon laquelle le système visuel reconnaît les objets en faisant correspondre la représentation neuronale de l'image avec une représentation interne de la même "forme" dans le cerveau. xxxx Y'a des theories ds la reconnaissance des objets qui s'opposent. GABARITS Qd on regarde elephants. Proposition selon laquelle y'a matching un pour un entre gabarit et objet qu'on doit reconnaitre. On compare la représentation interne qui aurait la mm forme que image de éléphant quon regarde. Analogie de clé et serrure. Vrm juste une forme de clé qui va fctionner pr ouvrir la serrure. Un gabarit possible pr chaque objet.

Answer 52

description d'un objet en termes de ses parties et des relations entre ces parties xxx DESCRIPTION STRUC + abstraite. Les représentations de la description struc sont + tof à generer, mais easy à faire correspondre.

Answer 53

Infinité de lettres A quon pt varier. A miniscule ou majuscule, taille, orientation… mais qd mm cap de reconnaitre un A Peu probable qu'on ait un gabarit pr chaque diff forme de A.

Answer 54

Présence ds l'envi de plein plein de sortes de vaches. Quel type de gabarit pourrait ns permettre de reconnaitre tt ces types et formes de vaches ? Y'aurait un gabarit pr chaque type de vache diff… Pr chaque instant où on percoit image de la vache, la représentaiton neuronal va se créer et comparer cette représentation à un gabarit. Faudrait avoir matching 1 pr 1 entre representa neuronale et representation abstraite / interne de la vache. --- Quoi le gabarit de la vache ? Quel type gere tt les circonstances differentes ? Prob que theo gab = bon pts de depart, mais fondamentalement y'ades limites. Pcq pt pas avoir protoype assez tolerents pr representer ensemble de tt les variations d'objets qu'on reconnait.

Answer 55

Le modèle de reconnaissance d'objets de Biederman: soutient que les objets sont reconnus par les identités et les relations de leurs composants. Géons : Les « ions géométriques » à partir desquels les objets sont construits. xxxx Theorie qui decompse les objets en une serie de formes geometriques qui sont comme des ions geo à partir desquels les objets sont construits. Comparaison avc alphabet. On use alphabet pr communiquer, créer des mots, des phrases. On a ensemble de lettres qui permettent de créer une infinité d'idées. Well geons = dictionnaire de formes qui permettent, en les combinant de facon differente, de représenter une infinité d'objets. xxx Se dire que possible de decomposer tt les formes par diff sous-formes à partir desquels objets peuvent être construits. Avc alphabet de frm geo recontruire nimporte quel objet.

Answer 56

Exemples de geons. Formes geo qui combinées ns permettent de reconnaitre les objets. Y'a 36 geons ds le modele de Biederman qui permettent de recreer des formes.

Answer 57

Trois obejts diff qui peuvent être construits par la combinaison de deux geons. Deux geons en bas, deux au centre et deux haut. La rangée en bas à exactement les deux mm geons que la rangée du haut, mais configuration des deux fait en sorte qu'en haut on percoit tasse et en bas sceau. Façon dont les geons sont combinés permettrait de reconnaitre n'importe quelle forme / tasse, etc…

Answer 58

Réseaux de neurones à plusieurs niveaux pouvant être entraînés à reconnaître des objets. De nombreuses instances d'un objet sont montrées au réseau, avec du feedback Au fil du temps, le réseau peut reconnaître de nouvelles instances de l'objet sur lesquelles il n'a jamais été entrainé. xxxx Modeles des gabarits et geons sont intéressants pareils. Modeles des geons essai de mettre des propriétés physiques / des unités sur les objets et leur definition. Les modeles computationnels de ajd = + abstraits et complexes que template ou element structurels. ---- MODELES + IMAGENET Modèles entrainés ds ordinaire à partir de banque d'image énormes à reconnaitre les objets ds ces images. On parle de 1,5 millions d'images, et pr chaque image, on a la categorie des objets qui sont ds les images. Concours ds les années 2010 créés à partir des banqus d'images (concours ImageNEt) Banques de 1,5 mjllions d'image pr lesquels on a les classes de l'image. Lancé le concours en disant essayer de reconnaitre la categorie (pour ordi). EU impact enorme, pcq passé de modèle Hmax (environ 25 % de reponses correctes au niv de reconnaissance d'objets ds les images), à 95 % de réponses good avec DNN. Sceau en terme de perfo = énorme. --- USE OÙ ? Ecq ca explique tt les DNN ? Prob pas. Use partout ds la société. Auto qui se conduisent seuls, nos cells. Cest vrm partou. ---MAIS QD MM DES LACUNES PR LE DNN On pt entrane autre reseau à generer des images adverserielles qui vont tromper les DNN. Ex reseau qui a 95 % de perfo et sa jamais se tromper qd on ontre girafe., mais possible entrainer autre modele de faire version de girafe avec 2-3 pixels qui ont été déplacés et le reseau va dire que cest un elephant ou maison. Pcq melangé les propriétés stats et trompé reseau. N'importe quel humain aurait JAMAIS dit ça / fait ce type d'erreur

Answer 59

On a une image et plusieurs couches ds le reseau. Y'a aussi des calculs à l'intérieur de chacune de ces couches. La première couche a tendance à développer des caractéristiques qui ressemblent à des détecteurs de lignes et de bords orientés avec diverses combinaisons de couleurs. Les couches intermédiaires deviennent plus complexes, réagissant à des textures et des formes comme celles de la figure 4.38, tandis que Les caractéristiques des dernières couches peuvent être assez spécifiques, rappelant les cellules du cortex inférotemporal qui pourraient réagir à quelque chose ressemblant à un visage, par exemple. COUCHE 1 La 1ere va extraire des propriétés de l'image. Analogie avec V1 . Petits champs recep qui vont analyser les propritét locales et finales. Cette info va être moyennée. Neurones qui vont converger vers couche 2 COUCHE 2 Va analyser ensemble de reponses de grp de neurones quelle a recu. Pr extraire d'autres propriétés et ainsi de suite qd on avance ds le modele. -----> Les champs recepteurs à chaque fois quon avance ds les couches vont s'agrandit (pcq cette convergence d'une couche à l'autre) et en repetant ce processus, les modeles peuvent avoir des 100aines de couches. Ingénieurs vont essayer d'optimiser la perfo. Veulent que leur modele passe de 95 % de rep correctes à 96 %. S'en criss de cmt vont faire pr y arriver. Veulent la perfo. MAIS LES PSYS, les chercheurs en NSC, veulent créer modele qui permet de comparer avc cerveau humain. Veulent garder 10aine de couches pr garder une analogie / structure plausible biologiquement. Qd ca c'est fait, arriver à les comparer avec données de neuroimaginerie et voir si correspondance entre les 2 et si ca px permettre d'apprendre qqchose sur fctionnement de region donnée ds le cerveau ou d'un mecanisme plus general. ----- La première couche a tendance à développer des caractéristiques qui ressemblent à des détecteurs de lignes et de bords orientés avec diverses combinaisons de couleurs. Les couches intermédiaires deviennent plus complexes, réagissant à des textures et des formes comme celles de la figure 4.38, tandis que Les caractéristiques des dernières couches peuvent être assez spécifiques, rappelant les cellules du cortex inférotemporal qui pourraient réagir à quelque chose ressemblant à un visage, par exemple.

Answer 60

contrairement aux modèles bio-inspirés précédents, les derniers DNN rivalisent avec les performances de représentation du cortex IT (chez le singe) sur une tâche de reconnaissance visuelle d'objets. xxxxx CADIEU Article. Montre que la perfo des DNN à la reconnaissance de objet rivalise avc la perfo des neurones chez le macaces. Si on etudie les propriétés de reponses et on fait du decoding avc des neurones chez lesquels on enregistre rep à banque d'objets et on regarde cest quoi la perfo à reconnaitre des objets, on va avoir mm perfo que ce que cap d,atteindre avec DNN.

Answer 61

- Correspondance reponse IRMf cortex IT chez humain ET le DNN - Correspondance dans les patrons d’activations / de réponses. Les représentations d’un modèle DNN de reconnaissance d’objet “expliquent” les représentations mesurées dans IT avec l’IRMf. xxxx Mesuré des patrons d,acitivtés pr banque d'objets avec IRMf et comparer les rep chez H avec rep ds DNN et rendu compte que y'avait une correspondance entre les patrons d'activités / de réponse. Modeles precedents avc Hmax ne correlaient pas vrm avc nos représentations ds IT. Qd correlent pas, pas possible de les use pr faire une analogie sur le fctionnement du IT. SI reprsentaiton similaires, possible de faire l'analogie. Manipuler les images, voir il se passe quoi ds le modele, etc..Ouvre terrain de jeu fort interessant.

Answer 62

- Haut niveau + niveau intermmédiair : predire la conscience visuelle - Fournir explication au clignement attentionnel En utilisant un DNN pour modéliser les propriétés visuelles du stimulus, les auteurs montrent que les propriétés de niveau intermédiaire et de haut niveau des images peuvent prédire la conscience visuelle, et peuvent fournir une explication mécanistique du phénomène du clignement attentionnel. xxxx Use des DNN pr predire la prise de conscience ds une tache de climat attentionnel. Climat attentionel = phenome exploité par psy pr controler freq de presentaiton d'images pr moduler la propensité à detecter une image ds une sequence. Si je flash rapidement à 10 Hz une image, je px cacher deux cibles ds cette sequence et je demande de detecter les deux cibles ds sequence. Si cap de detecter la 1ere et que j'ai placé 2e cible 200 m/s à 500 m/s apres la deuxoème, on verra pas la deuxième cible (ou moins la voir). Moins bonne perfo que si on presentait 800 m/s apres la 1ere cible. Ns permet de moduler / créer des micro-lesions chez participants qui dimuent sa propensité à la prise de consicence. En use les DNN, vu que cest les propriétés des couches moyennes et couches de haut niveau (pas taitement de info fine comme V1), plutot la vision intermediaire et de haut niv qui influencerait l'info qui accede à la cosncience ds tache de climat attentionnel.

Answer 63

Si le monde est tel que nous le percevons, le cerveau est tel que nous le percevons; Or 50% de la lumière visible ambiante traverse le médium oculaire * 20% traverse les cellules de la rétine * moins de 1% de l’information dans les récepteurs rétiniens sort des cellules ganglionnaires * 40% de l’information qui arrive dans le LGN le quitte pour V1 = moins de 0,04% de l’information dans la lumière visible parvient au cortex extrastrié; Donc le monde n’est pas tel que nous le percevons xxxx Énormément de perte d'info. MM ajd les comités de Gestalt doivent arriver consensus. Question ecq monde tel qu'on le percoit ? Selon ce postulat, non

Answer 64

Le monde est dans une large mesure à l’intérieur de notre cerveau (traitement de l’information : Helmholtz, Gregory, Marr, Rock, Hochberg, Palmer; Gestalt : Wertheimer, Koﬀka, Kohler) LE MONDE EST TEL QUE NS LE PERCEVONS, MAIS LE MONDE EST DIFFÉRENT POUR TOUS xxxx Réponse = le monde est à l'intérieur de notre cerveau. Principes bayesiens : y'a de l'info apprise de nos expériences qui permet de tirer conclu sur le omnde et arriver à la meilleure reponse possible

Answer 65

Deux segments partageant un coin sur l’image rétinienne partagent vraisemblablement un coin dans le monde (élimine la possibilité rouge). Les objets ont tendance à être symétriques (élimine la possibilité verte). Probabilité que paetagent coin ds image retienne mais pas dans le monde (avec exception des pts de vue accidentels) = faible. Aussi, objets ont tendance à être symetriques, donc elimine poss verte. DONC, pas vrm paradoe de la perception.

Answer 66

- Représentations d’objets = uniques aux gens et prédisent le comportement - Représentations d’objets = mesurées avec apprentissage machine et IRMf - Mesure des représentations avec le RSA (Representational Similarity Analysis Les représentations d’objet (mesurées à l’aide d’apprentissage machine et de l’IRMf) sont unique aux individus et prédisent le comportement. Mesure les représentations avec le Representational Similarity Analysis, puis compare les participants pour identifier les idiosyncrasies Les représentations d’objets dans le cortex IT peuvent être perçues comme une “empreinte” qui reflète nos différences individuelles en lien avec nos expériences uniques. xxx RSA = saveur de decoding. Permet de mesurer l'espace représentationel d'une serie d'images dans le cerveau. La serie d'images / similarités des rep de pop de neurones sur diff images. Comparer les représentations entre plusieurs indivds pr se rendre compte que les représentations ds IT sont un peu comme empreinte corticale qui ns permet de differencier les indivs et predire leurs compos. Cmt je vais percevoir une banque d'images pt être prédit par mes representations cerebrales mieux que par les representations cerebrales de qqun d'autre. Nos diff indivd sont en lien avc nos experiences uniques du monde.

Cours #4 Flashcards

(91 cards)