image classification models | BriefGPT

关键词image classification models

搜索结果 - 14

利用特征空间中的马氏距离和分布偏好提升反事实图像生成
本文介绍了一种在黑盒模型特征空间中计算特征重要性的新方法，并利用信息融合技术将特征反事实解释转化为图像反事实解释。实验结果表明，我们的方法生成的反事实解释在像素和特征空间上与原始图像非常相似，并且表现优于已有的基准模型，获得了令人印象深刻的
PDFa month ago
洁净图像后门攻击
通过未经过修改的标签中的错误标签注入，我们提出了清洁图像后门攻击，揭示了后门仍然可以通过错误标签的一小部分分数进行注入，从而对图像分类模型的公正性和鲁棒性造成严重威胁，需要对外包标注中的错误标签保持警惕。
PDF3 months ago
ECE 的缺陷程度如何？一种基于 Logit 平滑的分析
模型标定程度的度量方法之一是期望标定误差（ECE），但 ECE 在实践中存在不连续性问题。本研究通过分析 ECE 的不连续性，提出了一种连续且易于估计的标定误差度量指标 LS-ECE，并通过对预训练图像分类模型的实验表明，ECE 的理论缺陷
PDF5 months ago
面向每个人的分类：构建地理无关模型以实现更公正的识别
本文分析了不同方法来减轻现有图像分类模型中存在的地理偏差。我们首先定量地展示了这种偏差在两个数据集中的存在情况 - Dollar Street 数据集和 ImageNet，并使用带有位置信息的图像。然后，我们提出了可以用来减少这种偏差的不同
PDF7 months ago
文本引导的图像分类器的硬件弹性属性
本文提出了一种新方法，通过利用 GPT-3 生成的富文本嵌入向量以及 CLIP 预训练的文本编码器，研究了将其作为分类层初始化的影响，以增加图像分类模型在面对瞬时硬件错误时的可靠性，通过在最关键层上的初始化，我们的方法在各种体系结构中实现了
PDF7 months ago
乳腺 X 光摄影图像中基于 BI-RADS 的机器学习分类性能
通过使用来自 1,540 名患者的 2,945 张乳腺超声图像，研究了不同 BI-RADS 定义的乳腺超声图像类别对各种最先进的图像分类模型的分类准确性。结果表明，使用多种先进的分类架构（包括 VGG19、ResNet50、GoogleNe
PDF8 months ago
具有可定制扭曲的图像分类器稳健性基准生成框架
我们提出了一个新颖的框架，用于生成对抗性基准测试，以评估图像分类模型的鲁棒性。我们的框架允许用户定制应用于图像的最佳失真类型，从而帮助解决与其部署相关的特定失真问题。该基准测试可以生成不同失真水平的数据集，评估不同图像分类器的鲁棒性。我们的
PDF8 months ago
PRIME：故障模式提取中的优先解释性
我们研究了在训练图像分类模型中提供人类可理解的失败模式描述的挑战。通过研究现有方法的局限性，我们提出了一种新颖的方法，首先从数据集中获取人类可理解的图像概念（标签），然后根据这些标签的组合的存在与否分析模型的行为，以提高对失败模式的识别和生
PDF9 months ago
样本生成：数据无关的鲁棒特征可视化
我们介绍了原型生成，一种更严格和更健壮的特征可视化方法，用于针对模型不可知、数据独立的图像分类模型的解释性。我们展示了其生成能力，可以产生自然激活路径，从而反驳以往特征可视化算法由于不自然的内部激活而不可信的说法。我们通过定量测量生成的原型
PDF9 months ago
通过测试时间增强来改进文本分类
本文提出了一种改进的测试时间增强技术并设计出相应的增强策略，结果表明用于语言模型上的测试时间增强可以显著提高模型的准确性。
PDF2 years ago
ICLR解释性视觉能为用户带来好处吗？用户研究、基线和数据集
研究比较了针对图像分类模型的基线、概念和反事实解释技术发现，反事实解释技术使用户能更准确地识别某些属性，并强调了衡量用户对模型偏差性推理能力的重要性。
PDF2 years ago
通过解缠分特征增强学习无偏表示
本研究提出了一种基于特征级数据增广技术的去偏方法，通过使培训数据多样化，可以更有效地消除图像分类模型中偏见的影响。
PDF3 years ago
平滑解释黑匣子 —— 反事实方法
该研究提出了一种黑盒对抗解释器来解释医学应用中的图像分类模型，并通过对诊断放射学居民进行实验，发现反事实解释是唯一能显着提高用户对分类器决策理解的解释方法。
PDF3 years ago
ECCV鲁棒性是准确性的代价吗？—— 对 18 个深度图像分类模型鲁棒性的全面研究
本研究通过使用多个强健度和成功率等措施，在 306 个模型对之间全面测试了 18 个 ImageNet 模型，并揭示了若干新的见解：（1）在分类错误的对数下，经验 L2 和 L∞扭曲度量呈线性比例律；（2）模型架构比模型尺寸更重要；（3）对
PDF6 years ago