训练于ImageNet的CNN偏向纹理；增加形状偏差可提高准确性和鲁棒性

卷积神经网络（CNNs）通常被认为通过学习越来越复杂的物体形状表示来识别物体。然而，一些最近的研究表明图像纹理可能起着更重要的作用。本文通过评估在纹理-形状线索冲突图像上训练的CNNs和人类观察者的表现，对这些相互矛盾的假设进行了定量测试。研究结果表明，基于ImageNet训练的CNNs强烈偏向于识别纹理而非形状，这与人类行为证据形成鲜明对比，揭示了两者在分类策略上的根本差异。随后，我们展示了当使用“风格化ImageNet”（Stylized-ImageNet）这一经过风格化的ImageNet版本进行训练时，同一标准架构（ResNet-50）能够从基于纹理的表示转向基于形状的表示。在我们严格控制的心理物理实验室环境中（共进行了九项实验，总计48,560次心理物理试验，涉及97名观察者），这种基于形状的表示与人类行为表现更加吻合，并且带来了许多意想不到的好处，例如提高了目标检测性能以及对广泛图像失真的前所未有的鲁棒性，突显了基于形状表示的优势。