Le DNN generalizzano a nuove orientazioni degli oggetti tramite neuroni di caratteristiche condivise

Uno studio recente pubblicato su arXiv (paper 2109.13445) rivela che le Reti Neurali Profonde (DNN) possono identificare oggetti in orientazioni non familiari utilizzando l'invarianza all'orientamento derivata da oggetti precedentemente incontrati a vari angoli. Questa ricerca, che rientra nella categoria Computer Vision e Pattern Recognition, dimostra che la capacità di generalizzare migliora con l'aumento degli oggetti familiari, in particolare per quanto riguarda le rotazioni 2D. Implica che i neuroni si attivano in risposta a caratteristiche condivise tra oggetti noti e sconosciuti, riflettendo processi simili a quelli del cervello. Questa abilità emerge senza la necessità di un addestramento specifico su nuove orientazioni, presentando una proprietà significativa dell'apprendimento profondo. I risultati hanno ripercussioni sia per la visione artificiale che per le neuroscienze, mettendo in discussione le precedenti convinzioni sui limiti delle DNN. Lo studio, insieme al suo codice e ai dati, è disponibile al pubblico.