7. Reconnaissance d'objets partie 3 Flashcards
Tâche où les sujets doivent classer des objets en 8 catégories, et il y a 3 niveaux de variabilité quant au point de vue.
4 données expérimentales :
- hV4
- hIT
- Comportement
- Deep Network entrainé sur les mêmes images (???)
Quelles sont les résultats ?
- hV4 : décodage se dégradant quand constance d’objet est nécessaire
- hIT : plus résistant qd cosntance d’objet est nécessaire
- Comportement assez aligné sur hIT
- Depp Network entraîné sur les mêmes images : performance très similaire à l’humain
Qd on regarde la capacité de décoder l’info, on voit que ces aires corticales sont très sensibles au pdv, d’autant plus qu’elles sont proches du début de la voie visuelle (LGN, V1, aires secondaires). On voit que ds v4 il y a une assez mauvaise performance qd on change de pdv alors que dans IT c’est plus robuste.
Lire le code neuronale et en déduire quel objet la personnage est en train de regarder -> décodage neuronal.
Le calcul de constance d’objet n’est pas encore fait dans V4-
Qu’est-ce que la prosopagnosie ?
Trouble spécifique de la reconnaissance des
visages lorsqu’ils sont présentés visuellement.
(causé par des lésions cérébrales ou pour des
raisons génétiques).
prosopagnosie est un cas d’agnosie
spécifique à une catégorie d’objets.
Où est généralement la lésion chez des personnes prosopagnosiques ?
Lésions surtout à droite.
On voit que 65% ont des lésions bilatérales, 6% seulement à gauche, et 29% seulement à droite.
Souvent les lésions sont bilatérales, les lésions unilatérales sont plus rares.
Quelles sont les aires spécialisées pour les visages selon les résultats de la neurophysiologies ?
post STS et FFA et le long du cortex temporal inférieur
Expérience : on présente des images A à J.
Les images A à E sont des visages (singes ou hommes). Les autres ne sont pas des images.
Que voit on dans deux cellules A et B ?
Pour A B C D E on voit des PA émis qd on présente à la cellule. Par contre la cellule 1 ne répond pas du tout pour d’autres formes. C’est pareil pour la cellule 2.
Ces cellules préfèrent coder pr les visages.
Les résultats d’imagerie cérébrales utilisent quelles méthodes ?
IRMf contrastant les réponses cérébrales à des images de visages vs des images d'autres objets Dans FFA (Fusiform Face Area)
Tache : on présente des objets et des visages dans FFA, et on mesure le changement de signal. Que voit-on ?
Réponse préférentielle pour les visages dans FFA, mais pas exclusive
Tache : on présente des visages et aussi des visages déformés dans FFA, et on mesure le changement de signal. Que voit-on ?
Signal bcp plus important quand on présente des visage plutôt que des visages déformés.
Quels sont les contre-arguments pour le FFA spécialisé dans le traitement des visages ?
• Le principe de parcimonie
• La FFA répond en fait à tous les stimuli pour lesquels nous sommes
experts.
• La FFA répond en fait a toutes les catégories d’objets pour lesquelles
la ressemblance physique entre les objets au sein de cette catégorie
est très forte (i.e., « difficulté de la tâche »).
• Les visages plus que d’autres objets font appel à un type de
traitement pour lequel FFA est spécialisé.
Hypothèse: la reconnaissance des visages fait
appel à quoi ?
à un type de traitement d’information spécifique
Comment sont traités les visages et les objets ?
• Les visage sont traités de manière globale –
holistique
• Les autres objets sont traités de manière
plus locale
Comment est le traitement holistique ?
rapide, automatique, spécifique
Comment est le traitement local/analytique ?
Lente (intégration), général
Expérience :
phase d’étude -> on présente des visages et des maisons, p.ex. Larry et la maison de Larry
Ensuite on prend des détails de la maison ou de Larry, p.ex. la porte.
Et on demande c’est la porte de Larry / le nez de Larry, soit en mettant dans le contexte (avec tte la maison/ tout le visage) soit pas. Quels sont les résultats ?
La porte de Larry est aussi bien reconnue toute seule que ds le contexte de toute la maison. Mais c’est pas le cas des visages. Les gens sont assez mauvais pour reconnaître un nez tout seul
-> effet de contexte spécifique aux visages. -> chaque partie est une partie intégrale du tout donc le tout est plus facile à reconnaître que chaque partie séparément
Si il y avait 1 système pour la reconnaissance d’objet, comment seraient les déficits ?
parfaitement liés, ce qui n’est pas le cas
