Negative results in computer vision: A perspective

نتیجه منفی این است که نتیجه آزمایش یا یک مدل چیزی نیست که انتظار می رود یا زمانی که یک فرضیه انجام نشود. علیرغم اینکه در جامعه علمی اغلب نادیده گرفته می شود، نتایج منفی نتیجه می گیرند و ارزش دارند. در حالی که این موضوع به طور گسترده در زمینه های دیگر مانند علوم اجتماعی و علوم زیست شناسی مورد بحث قرار گرفته است، در جامعه بینایی کامپیوتری کمتر توجه شده است. ویژگی های منحصر به فرد بینایی کامپیوتری، به خصوص جنبه تجربی آن، نیاز به درمان ویژه ای برای این موضوع است. در این مقاله، من در مورد آنچه که نتایج مهم را مهم می دانم، چگونه باید آنها را منتشر و انگیزه داد، و چه درس هایی را می توان از تحقیقات بینایی شناختی در این زمینه یاد گرفت. علاوه بر این، من در مورد مسائل مانند طراحی آزمایشی، آزمون فرضیه آماری، مدل سازی توضیحی در مقابل پیش بینی، ارزیابی عملکرد، مقایسه مدل، تکرارپذیری یافته ها، ادغام بینایی کامپیوتری و چشم انداز انسان و همچنین فرهنگ تحقیق بینایی کامپیوتری بحث خواهم کرد.