スポーツベット おすすめ要点を認識する
人はスポーツベット おすすめ意味を認識できる, または「要点」,"最初にそのシーンを見つめたとき; たとえば, 彼らはそこがビーチであることを認識できます, ダイニングルーム, または通り. 私たち自身の調査によると、視聴者はわずか 36 ミリ秒の中断のない処理時間でスポーツベット おすすめ要点を 80% 以上の精度で認識できることがわかっています (上のスポーツベット おすすめをクリックすると例が表示されます). これにより、いくつかの疑問が生じます。どのようにして画像をこれほど迅速に認識できるのでしょうか, そして、それらを認識するためにどのような情報を使用するのか? これらの質問に答えることは、シーンの認識を理解する上で重要です, 調査により、シーンの要点には、そのシーンのカテゴリに関連付けられた事前知識が使用されていることが判明したためです (e.g., ビーチには水があるということ, 砂, ヤシの木, そしておそらく日光浴者も). この知識は、私たちがどこに注意を払うかに大きな影響を与えます, シーン内のオブジェクトを認識するのに役立つかもしれません, シーンからどのような情報を記憶するかを決定する上で大きな役割を果たします. その核心部分, スポーツベット おすすめ関する研究は、知覚と認知の間のインターフェースを調査します。この問題は、認知心理学と人工知能の両方の分野の研究者にとって非常に困難であることが判明しています. このような研究は、シーンのカテゴリを認識できる人工知能システムの設計に応用できます.
私たちは過去数年間にわたってスポーツベット おすすめ関する多くの研究を実施してきました, これらについては以下で説明します.
中央対の役割. スポーツベット おすすめ要点認識における周辺視野
興味深い質問は、視野のどの領域がシーンの要点を認識するのに最も役立つかということです, 中心視野 (中心窩と傍中心窩), 高い視力と物体認識の重要性に基づく, または周辺, サイズが大きいことと、空間周波数が低いことがスポーツベット おすすめどのように役立つかに基づく? (ここにリンクがあります YouTube ビデオ このトピックに関するスポーツベット おすすめ結果の説明, また 新聞記事 ユナイテッド・プレス・インスポーツベット おすすめナショナルによる取材.)
私たちはこの問題を調査するために多くの研究を行ってきました. これらの研究では, シーンは 2 つの実験条件で提示されました。1 つは円形の領域でスポーツベット おすすめ中央部分を表示しますが、周辺情報は非表示にした「ウィンドウ」条件です, または、スポーツベット おすすめ中央部分が非表示になり、周辺情報のみが利用可能な「スコトーマ」状態 (スポーツベット おすすめ & ラーソン、2009). 結果は、最大のパフォーマンスを得るには中心視野よりも周辺視野の方が有効であることを示しました (画像全体を見るのとほぼ同じ!). それでも, ピクセルごとに、中心視覚は周辺視覚よりもスポーツベット おすすめ要点を認識するのに効率的でした. 臨界半径 7.ウィンドウとスコトーマのパフォーマンス曲線が交差する場所で 4° が見つかりました, 同等のパフォーマンスを生み出す. この値は、等しい V1 活性化が等しいパフォーマンスを生み出すという仮定に基づいて、皮質拡大関数から予測された臨界半径と比較されました. ただし, これらの予測は体系的に経験的な臨界半径よりも小さかった, 要点認識における中心視覚の有用性は、V1 皮質倍率ではあまり予測されないことを示唆.
中心視覚と周辺視覚に応じて空間全体で変化するスポーツベット おすすめ加えて, 私たちの研究室の他の研究では、その方法を調査しました スポーツベット おすすめ要点の認識は時間の経過とともに変化します. 一度の注視でシーンの要点が認識される. ただし, 私たちは、その 1 つの注視内で要点認識が時間の経過とともに変化するかどうかを調査しました. 関連する問題は、注意の集中がスポーツベット おすすめ影響を与えるかどうかです (エヴァンス & トライズマン, 2005; リー, 他., 2001). 私たちの以前の研究では、中心情報と周辺情報の両方が同等のシーン要点認識を生成できることが示されました, 周囲におよそ 2 倍の面積がある場合. ただし, これらの研究では、(マスキングによる) 処理時間の変更や注意の操作は行われませんでした. したがって, 臨界半径を使用して「ウィンドウ」または「スコトーマ」条件を提示しました, マスク解除されたときに窓画像と暗点画像の両方が同じ要点精度を生成するように (i.e., 無制限の処理時間). それぞれ 24 ミリ秒の画像を簡単に提示し、ターゲットからマスクへの刺激開始非同期性 (SOA) を介して処理時間を変化させました. 私たちの結果は、非常に短い SOA でそれを示しました, 中心の情報は周辺の情報よりも要点の認識に優れています, ただし、1 回の注視での処理時間は無制限です (i.e., マスクなし), 中央情報と周辺情報のパフォーマンスは同等. 私たちの研究室の他の研究もこの考えを裏付けています, 中心視覚はシーン カテゴリの処理が早い段階 (シーンの表示の最初の 100 ミリ秒の間) に優れていることが判明, その後、周辺視野はますます便利になりますが (ラーソン, フリーマン, リンガー, & スポーツベット おすすめ、2013)。 これは、注意の時空間力学が重要な役割を果たし、要点の認識に影響を与えることを示しています, 現実世界のスポーツベット おすすめをどの程度早く理解できるかについて時空間的制限を設定する.
これらの結果は、注意が最初に視界の中心に集中し、その後急速に外側に広がるという隠れた注意のズームアウト仮説と一致しています。, これはスポーツベット おすすめ影響します.
スポーツベット おすすめ要点のどのカテゴリレベルが最初に認識されるか?
スポーツベット おすすめ要点処理で最初に行われる分類レベル, 基本レベル (ビーチ対都市) または上位レベル (「自然」スポーツベット おすすめ対「人工」スポーツベット おすすめ)? スポーツベット おすすめ分類と人間の要点認識の空間エンベロープ モデル (Oliva & トラルバ, 2001) は、上位の区別が基本レベルの区別よりも前に行われると仮定します. この仮定は、分類が上位レベルの前に基本レベルで発生するという主張と矛盾します (Rosch et al., 1976). 視聴者に短時間フラッシュを分類させることで、空間エンベロープ モデルのこの仮定をテストする研究を実施しました, さまざまな処理時間の後のマスクされたスポーツベット おすすめ. 結果は、処理の初期段階 (SOA < 72ms) 基本レベルの区別よりも上位の区別に対する感度が高くなりました, また、上位の自然/人工の境界を越える基本的なレベルの区別は上位の区別として扱われることも説明します (スポーツベット おすすめ & ラーソン、2010). どちらの結果もスポーツベット おすすめ仮定を裏付けています, そして基本レベルの優位性の考えに異議を唱えます.
スポーツベット おすすめ要点を認識するためにどのような情報が使用されるか?
人々はシーンを「ビーチ」として迅速に分類するためにどのような情報を使用しますか,「通り」," 山,"など.? スポーツベット おすすめ関するいくつかの著名な計算理論は、画像の非局所的な振幅スペクトル (空間周波数と方向) がシーンを分類するための重要な情報のほとんどを提供するという直感に反する挑発的な仮説を提案しています, 画像内の位置に関係なく. 簡単に言うと, これは、ビーチのシーンを認識するためのものであることを示唆しています, 水平線 (地平線) が対角線 (水線) の上にあることを知るよりも、強い水平線と強い斜め線があることを知ることの方が重要です. ただし, 人間の被験者を対象とした私たちの研究では、画像の空間周波数と方向は確かに画像の認識に何らかの役割を果たしていることが示唆されています, それだけではシーンを分類するのに十分ではありません。そのためにはローカライズされた情報が必要です (スポーツベット おすすめら、2007; スポーツベット おすすめ & ラーソン、2008). したがって、ローカリゼーションの重要性は、スポーツベット おすすめレイアウト (スポーツベット おすすめグローバル構成) がおそらくその要点を認識する上で非常に重要であることを示唆しています.
| ホワイト ノイズ スポーツベット おすすめク | 位相ランダム化スポーツベット おすすめク | スポーツベット おすすめ可能なマスク |
 |  |  |
私たちが調査した関連トピックは、スポーツベット おすすめ要点のマスキングです. 視覚的マスキングとは、ある刺激が別の刺激の処理を妨害することです (スポーツベット おすすめ適切なサムネイルをクリックしてデモンストレーションをご覧ください). マスキングは視覚処理の時間経過を研究するための重要なツールです, 心理学の分野では 100 年以上の歴史があります. ただし, シーン画像のような複雑な刺激のマスキングについてはほとんど知られていない, またはスポーツベット おすすめなどの比較的高レベルの知覚タスク. 低レベルの空間マスキングの効果を比較しました (i.e., 空間周波数と方向によるマスキング) と、より高いレベルの「概念マスキング」の効果 (i.e., 意味によるマスキング) (スポーツベット おすすめら、2010). 以前の研究では、スポーツベット おすすめ認識記憶は、認識可能なシーンによってより強くマスクされることが示されています (i.e., 意味のないノイズではなく、別のシーンをマスクするシーン, そしてこれは概念的なマスキングの存在を主張するために使用されています. 私たちがテストした重要な仮説は、概念的なマスキング効果は、実際には、ランダム ノイズと比較して、任意のスポーツベット おすすめペアと任意のスポーツベット おすすめ間の視覚的な類似性がより高いことに起因するということです. 私たちの結果は、スポーツベット おすすめ要点の概念的なマスキングの存在を排除しません, 純粋な視覚的類似性のため, 空間周波数と方位に関して, 認識可能なシーン マスクによって生成されるマスキングのすべてを説明することはできません. ただし, 我々の結果はまた、かなりの割合で概念的マスキングと呼ばれるもの（つまり、, ホワイト ノイズによって生成されるマスキングと比較して、認識可能なシーンによって生成される大きなマスキング) は、シーンと多くの統計的特性を共有する認識できないノイズ イメージによって実際に生成される可能性があります. 他の研究では、迅速なシーン分類に対するマスキングの効果は、マスクのフーリエ スペクトル特性に応じて変化することが示されています (ハンセン & スポーツベット おすすめ、2013). このような研究は、スポーツベット おすすめ要点処理と複雑な刺激のマスキングの両方についての理解を広げる可能性を秘めています.
人間と高度に分岐スポーツベット おすすめ種はどうなる, ハト, 比較?
私たちの最近の研究の一部は新しいアプローチをとりました, 人間のスポーツベット おすすめ要点分類スキルを、進化的に大きく分岐した他の種のスキルとどのように比較するかを研究中 – この場合, ハト (カークパトリック, ビルトン, ハンセン, & スポーツベット おすすめ、2013).
一連の実験では、飼育下で飼育された伝書鳩を使用して、彼らがどのように場面を一般化して区別するかを調べました, また、それらのプロセスがどれくらい早く起こるか. 現実世界のスポーツベット おすすめ使用 (ビーチ), 山, そして通り), 最初の実験では、ハトが自然の風景と人工の風景を区別できることがわかりました（ビーチと. 通り)、そして 2 つの異なる自然の風景の間 (ビーチ vs. 山) 比較的早く. ただし, ハトは人間よりも遅かった, より長い刺激期間が必要 -人間の約10倍. これらのカテゴリの新しい例が提示された場合, 彼らは自分たちの経験を一般化して、これらの新しいシーンを区別することもできました, 特定のシーンを単に記憶するのではなく、カテゴリを認識できたことを示します.
2 番目の実験では、画像統計に基づいて現実世界のスポーツベット おすすめをどのように区別できるかを検討しました, ハトも人間と同じように画像統計を使用してスポーツベット おすすめを分類することがわかりました. 地上視点のスポーツベット おすすめではパフォーマンスが低下しました, しかしトレーニングにより改善されました. これらの実験は、人間とハトの両方がスポーツベット おすすめ カテゴリを非常に迅速に区別できること (ただし、ハトはこれを行うのにより多くの時間を必要とする)、および人間とハトの両方がスポーツベット おすすめを分類するために画像統計を使用していることを示唆しています.
この 2 つの種は大きく異なるため、この一連の研究には興味深い意味があります, それでも同様の迅速なスポーツベット おすすめ分類能力を示しています – ただし、過去の 2 つの種間の進化に適応した特殊化を示す可能性のある明らかな違いがいくつかあります (カークパトリック, ビルトン, ハンセン, & スポーツベット おすすめ、2013).
シーンの航空写真と地上写真の迅速な分類の比較: スポーツベット おすすめ関する新しい視点
Google Earth などの Web アプリケーションでは、飛行機からの航空写真や衛星画像を頻繁に見ます, しかし、これらの航空写真の要点を認識する私たちの能力は、地上の景色（日常生活で地上から見たもの）のそれとどのように似ていて、どのように異なるのでしょうか? スポーツベット おすすめ要点, 鑑賞者が単眼で見つめたスポーツベット おすすめ全体的な表現, 地上からの眺めについて広範囲に研究されています, ただし航空写真用ではありません.過去数年間、私たちはこの問題を調査するために数多くの実験を実施してきました. 最近の論文 (スポーツベット おすすめ, リンガー, エリス & ハンセン、2015), 診断情報がビューに依存するか、ビューに依存しないかを判断するために、3 つの実験で両方のビューの迅速なシーン分類を比較しました. 航空風景と地上風景を迅速に分類する観察者の能力に大きな違いがあることがわかりました, スポーツベット おすすめは視点に依存するという考えと一致します. さらに, 計算モデリングにより、一方のビュー (航空または地上) でモデルをトレーニングすると、もう一方のビューのパフォーマンスが低下することが示されました, これにより、入手可能な情報の関数として視点依存性のさらなる証拠が得られます. 重要な点, 地上ビュー (航空ビューではなく) の迅速な分類が、画像の回転によって大きく妨げられることがわかりました, 地上視点のスポーツベット おすすめが視点に依存していることをさらに示唆, 視点に依存しない空撮シーン認識を使用. さらに詳しく, シーンの航空写真から合成された回転不変テクスチャ画像は、地上からのシーン (偶然) から合成されたものより 2 倍認識可能でした, 航空写真の迅速なシーン分類のための診断情報が視点不変であるというさらなる証拠を提供. 構成処理と特徴処理を区別する知覚的専門知識フレームワーク内で結果について議論します, 地上ビューは予測可能なビュー依存の構成によりより効果的に処理されますが、航空ビューはビューに依存しない機能に依存するため効率的に処理されません.
スポーツベット おすすめ出版物
関連するスポーツベット おすすめファレンス プレゼンテーション
スポーツベット おすすめ、P., パナッシュ, S., ブリティッシュコロンビア州スポーツベット おすすめ スポーツベット おすすめ、午前 & ロシュキー, L.C. (2011, 12 月). 脳は視覚的なシーンをどのように表現するのか? 神経磁気スポーツベット おすすめ分類研究. 神経情報処理システム – ニューロイメージングにおける機械学習と解釈に関するワークショップで発表されたポスター, シエラネバダ, スペイン.
スポーツベット おすすめ、K. ゴームスポーツベット おすすめ, D., ゲバラ, M., ガルシア, A., シアーズ, T.、ハンセン、ブリティッシュコロンビア州、 & ロシュキー, L.C. (2010, 5月). ハトにおけるスポーツベット おすすめ要点の分類. 行動定量分析学会年次総会での講演, サンアントニオ, テキサス州.
スポーツベット おすすめキー、LC、 セティ, A., シモンズ, D.J., オクス, D., スポーツベット おすすめ、J. & ギブ、K. (2005, 11月). ビジュアル マスキングを使用してスポーツベット おすすめ要点の性質を調べる. 第 46 回心理学会年次総会で発表されたポスター, トロント, カナダ.
