Mar, 2024

基于 HOLonym-MEronym 的语义检查技术用于卷积图像分类器

PDF
TL;DR提出了一种名为 HOLMES 的技术，利用本体论、网络爬虫和迁移学习自动构建基于部分的探测器，通过遮挡图像来突出显示每个部分对分类输出的重要性，并在不依赖于密集注释数据集和将概念与单个计算单元关联的情况下，提供关于 CNN 在何处以及何物上的信息。
convolutional neural networksholmesimage classificationontologiesmeronym
发现论文，激发创造
  • PHG-Net：基于持久同调引导的医学图像分类

    我们提出了一种名为 PHG-Net 的方法，利用持久同调技术来探索医学图像分类中的拓扑特征，通过轻量级的 PH 模块将拓扑特征与卷积神经网络或 Transformer 结合，实现综合特征提取和融合，从而在目标分类任务中显著改善了现有方法。

    Nov, 2023

  • 卷积神经网络的量化语义比较

    本篇论文提出两种方法来量化 CNN 潜在空间中语义信息的相似度，以解决模型透明性问题。通过将这些方法应用于三种不同的目标检测器和两个数据集，我们的研究表明相似的语义概念是在所有 CNN 体系结构中学习的，且相似的概念出现在相似的相对层深度中，而与总层数无关。该研究成果有望实现 CNN 模型选择的知情和语义信息处理的理解。

    Apr, 2023

  • 使用蕴涵锥嵌入的分层图像分类

    该论文提出了一套使用嵌入到分类标签中的类层次结构信息，通过改进算法进行图像分类和表示学习的方法，并将其在 ETHEC 数据集中进行了实证测试。

    Apr, 2020

  • 超越独热编码：注入语义驱动图像分类器

    通过集成反应分类标签的任何种类的语义信息，本研究旨在改善模型的可解释性和可靠性，并讨论了准确性、错误严重性和学习内部表示之间的权衡，以及在可解释性和对抗性鲁棒性方面的进一步利用。

    Aug, 2023

  • 基于人口编码的卷积神经网络内部状态无监督学习对象语义部分

    本研究通过对 CNNs 的内部状态进行聚类，提出了一种无监督学习方法来发现物体的语义部件表达，即 Visual Concepts，并证明了其在物体部件检测和语义标注方面的有效性。

    Nov, 2015

  • 异质图像多实例学习：用 CNN 进行组织病理学训练

    本研究提出了使用分位数函数汇聚图像小区域预测结果的多实例学习方法，以及在随机裁剪区域上应用多实例聚合的图像增强方法，该方法在乳腺肿瘤组织分类中进行了五种不同任务的验证，并提供了一种可视化方法以解释局部图像分类，这可能有助于对肿瘤异质性的未来洞见。

    Jun, 2018

  • 卷积神经网络进行高分辨率语义标记

    本文介绍卷积神经网络在图像语义分割领域的应用，通过深入研究相关架构，提出了更加高效和灵活的 CNN 框架，能够在高分辨率航空影像语义分割任务中取得更好的性能表现。

    Nov, 2016

  • 基于语义的高质量图像注释方法论

    利用 vTelos 方法结合自然语言处理、知识表示和计算机视觉技术，通过利用 WordNet 词汇 - 语义层次结构来明确图像注释的含义，从而减少主观选择，实现了显式的注释语义。

    Jul, 2023

  • CNN: 单标签到多标签

    本研究提出了一个深度卷积神经网络结构 (HCP)，可灵活应对多标签图像任务，并成功应用于 Pascal VOC2007 和 VOC2012 数据集中，表现优于其他同类算法，最大平均精度达到 84.2%。

    Jun, 2014

  • 手写数学表达式识别的语义图表示学习

    手写数学表达式识别中的语义交互学习方法通过构建基于统计符号共现概率的语义图，设计语义感知模块，优化 HMER 和 SIL 来提高模型对符号关系的理解，并在基准数据集上展示了较好的识别性能。

    Aug, 2023