Le persone sono notevolmente brave a ricordare le fotografie. Per indagare ulteriormente la natura delle rappresentazioni memorizzate e la fedeltà delle memorie umane, sarebbe utile valutare la somiglianza visiva degli stimoli presentati negli esperimenti. Qui, abbiamo esplorato il possibile uso delle reti neurali convoluzionali (CNN) come misura della somiglianza percettiva o rappresentazionale delle scene visive rispetto alla ricerca sulla memoria visiva. Nell’esperimento 1, abbiamo presentato ai partecipanti insiemi di nove immagini della stessa categoria di scena e abbiamo testato se erano in grado di individuare la scena più lontana nello spazio dell’immagine definito dalla CNN. L’esperimento 2 era una variante visiva del paradigma Deese-Roediger-McDermott. Abbiamo chiesto ai partecipanti di ricordare una serie di fotografie della stessa categoria di scene. Le fotografie sono state preselezionate in base alla loro distanza da un particolare prototipo visivo (definito come centroide dello spazio immagine). Nel test di riconoscimento, abbiamo osservato tassi di falso allarme più elevati per le scene più vicine a questo prototipo visivo. I nostri risultati mostrano che la somiglianza misurata da CNN si riflette nel comportamento umano: le persone possono rilevare scene dispari o essere indotti a falsi allarmi con stimoli simili. Questo metodo può essere utilizzato per ulteriori studi sulla memoria visiva per scene complesse.