BriefGPT.xyz
大模型
Ask
alpha
关键词
network dissection
搜索结果 - 4
深度神经网络中个体单元的作用理解
本文介绍了一个分析框架 —— 网络分解,通过该框架系统地识别图像分类和图像生成网络中单个隐藏单元的语义,作者使用该框架分析卷积神经网络和生成对抗网络模型并应用于理解对抗攻击和语义图像编辑。
PDF
4 years ago
通过激活增强和抑制解释对抗样本
本文旨在更好地理解对 CNNs 的对抗扰动机制,并从像素、图像和网络视角提供可视化解释,证明对抗扰动具有促进 - 抑制效应(PSE),并可以主要分类为三种类型:压制型扰动、推广型扰动和平衡扰动。 它在像素级扰动的 PSE 与定位的类特定判别
→
PDF
5 years ago
通过网络剖析解释深度视觉表示
本研究介绍了 Network Dissection 方法,通过为深度视觉表示的单元提供标签来解释网络。该方法量化了 CNN 表示的可解释性,通过评估单个隐藏单元和一组视觉语义概念之间的对齐来识别最佳对齐,认定单位为人类可解释标签。研究发现,
→
PDF
7 years ago
CVPR
网络解剖:量化深度视觉表示的可解释性
本研究提出了一种称为网络切片的通用框架,通过评估个体隐藏单元与一组语义概念之间的对齐来量化 CNN 的潜在表示的可解释性。该方法使用广泛的视觉概念数据集来评估中间卷积层中隐藏单元的语义。使用该方法测试单元的可解释性是否等同于单元的随机线性组
→
PDF
7 years ago
Prev
Next