protopnet | BriefGPT - AI 论文速递

关键词protopnet

搜索结果 - 6

AAAI保持信念：基于案例推理的卷积神经网络中的忠实解释
通过案例推理的设计和使用神经网络进行决策关键任务，本论文提出了 ProtoPNet 方法来解决解释神经网络预测的问题，并通过引入 Shapley values 来提取忠实的解释。该方法在多个数据集和多种网络结构上的实验证明了其有效性。
PDF7 months ago
高斯分布原型混合与生成模型相结合的可解释的图像分类
这篇论文介绍了一种新的原型分布生成学习方法，名为 MGProto，它使用高斯混合模型表示原型分布，并结合原型多样性目标函数来提高表示能力和减少冗余，同时利用其生成性质实现了有效的异常样本检测。实验结果表明 MGProto 在分类和异常样本检
PDF7 months ago
基于原型的图像分类中的补丁可视化的合理性检查
通过对 ProtoPNet 和 ProtoTree 中实现的可视化方法进行分析，我们发现这些方法无法正确地识别图像中的感兴趣区域，从而无法反映模型的行为，这可能导致对模型存在偏见的错误观念。我们还定量地证明，通过使用其他提供更准确图像补丁的
PDF8 months ago
评估隐式可解释性的后解释性
本文对基于切片图像的乳腺癌转移检测问题，将时下最流行的用于深度神经网络（DNN）可解释性的后置解释方法（Post-hoc）和内置解释方法（Intrinsic）应用于一种新的可解释性 DNN，ProtoPNet，并比较了这两种方法的兴趣图像（
PDFa year ago
MProtoNet: 基于案例的可解释性模型用于三维多参数磁共振成像的脑肿瘤分类
本文提出了一种基于 ProtoPNet 的神经网络模型，即 MProtoNet，用于处理 3D mpMRI 数据并实现脑肿瘤分类。该模型引入了一种新的注意力机制，结合软化掩膜和在线 CAM 损失函数，在没有人工标签的情况下显著提高了正确性和
PDFa year ago
这像那样：用深度学习进行可解释的图像识别
介绍了 ProtoPNet，一种深度神经网络架构，该模型通过识别图像的原型部分并将原型部分的证据结合起来，类似于鸟类学家、医生和其他人解决图像分类任务的方式，提供了一定程度的可解释性，并在 CUB-200-2011 数据集和 Stanfor
PDF6 years ago