科学,AI人工智能|核磁共振生成的BOLD5000人类视觉神经成像数据集科学|AI人工智能

美国卡内基梅隆大学、福特汉姆大学的研究人员利用大脑核磁共振图像，建立了BOLD5000人类视觉神经成像数据集，具有数据规模大、图像多样化、与标准计算机视觉数据集重叠度高等优点。
目前，计算机视觉技术已能利用大规模图像数据集和统计学习方法，进行目标识别、场景重建等。然而，神经视觉的研究仍依赖少量图像(约100幅) ，图像激励多样性不足、与标准计算机视觉数据集重叠少，限制了与计算机视觉的交叉研究。研究人员利用3个计算机视觉标准数据集，对4名参与者进行了约20小时的核磁共振试验，建立了BOLD5000人类视觉神经成像数据集。激励图像共5254幅（4916张不重复），其中1000张来自SUN数据集，覆盖数据集中的250个类别， 2000张来自COCO数据集， 1916张来自ImageNet数据集。利用参与者看到相关图片的大脑核磁共振图像，就能获得不同图像激励对应的大脑区域。与现有数据集相比， BOLD5000数据集中的核磁共振图像覆盖整个大脑，数据的数量和质量均有较大提升。

文章图片
文章图片
图1 部分激励图像
【科学,AI人工智能|核磁共振生成的BOLD5000人类视觉神经成像数据集】BOLD5000的数据量大、内容丰富，可促进神经视觉与计算机视觉的交叉研究，用于脑机接口等。