論文の概要: Restricting the Flow: Information Bottlenecks for Attribution

• arxiv url: http://arxiv.org/abs/2001.00396v4
• Date: Mon, 25 May 2020 14:21:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 03:45:57.192909
• Title: Restricting the Flow: Information Bottlenecks for Attribution
• Title（参考訳）: フローの制限:属性のための情報基盤
• Authors: Karl Schulz, Leon Sixt, Federico Tombari, Tim Landgraf
• Abstract要約: 情報ボトルネックの概念を属性に適用する。 中間特徴写像にノイズを加えることで、情報の流れを制限します。 私たちのメソッドは6つの設定のうち5つですべてのベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 45.77992968606346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Attribution methods provide insights into the decision-making of machine learning models like artificial neural networks. For a given input sample, they assign a relevance score to each individual input variable, such as the pixels of an image. In this work we adapt the information bottleneck concept for attribution. By adding noise to intermediate feature maps we restrict the flow of information and can quantify (in bits) how much information image regions provide. We compare our method against ten baselines using three different metrics on VGG-16 and ResNet-50, and find that our methods outperform all baselines in five out of six settings. The method's information-theoretic foundation provides an absolute frame of reference for attribution values (bits) and a guarantee that regions scored close to zero are not necessary for the network's decision. For reviews: https://openreview.net/forum?id=S1xWh1rYwB For code: https://github.com/BioroboticsLab/IBA
• Abstract（参考訳）: アトリビューション手法は、ニューラルネットワークのような機械学習モデルの意思決定に関する洞察を提供する。 与えられた入力サンプルに対して、画像の画素など個々の入力変数に関連性スコアを割り当てる。 この作業では、情報ボトルネックの概念を属性に適用する。 中間特徴写像にノイズを加えることで、情報の流れを制限し、画像領域が提供する情報量(ビット)を定量化できます。 VGG-16とResNet-50の3つの測定値を用いて,提案手法を10基線と比較し,提案手法が6つの設定のうち5基線で比較した。 この方法の情報理論基礎は、帰属値(ビット)の絶対的な参照フレームを提供し、ネットワークの決定に0に近い領域が不要である保証を提供する。 レビュー: https://openreview.net/forum? id=S1xWh1rYwB コード:https://github.com/BioroboticsLab/IBA

関連論文リスト

• Fast and Simple Explainability for Point Cloud Networks [4.013156524547072]
  本稿では,ポイントクラウドデータのための高速で簡単なAI(XAI)手法を提案する。 トレーニングされたネットワークダウンストリームタスクに関して、ポイントワイズの重要性を計算します。
  論文  参考訳（メタデータ） (2024-03-12T14:51:23Z)
• Personalized Subgraph Federated Learning [56.52903162729729]
  本稿では,新たなサブグラフFL問題,パーソナライズされたサブグラフFLを導入する。 本稿では,Federated Personalized sUBgraph Learning (FED-PUB)を提案する。 オーバーラップしないサブグラフとオーバーラップするサブグラフの両方を考慮して,FED-PUBのサブグラフFL性能を6つのデータセットで検証した。
  論文  参考訳（メタデータ） (2022-06-21T09:02:53Z)
• Bag of Visual Words (BoVW) with Deep Features -- Patch Classification Model for Limited Dataset of Breast Tumours [11.731001328350985]
  Bag of Visual Words (BoVW) は機能セレクタとして使われ、CNNの機能の中でほとんどの識別機能を選択する。 パイプラインは、識別パッチを選択するためにパッチ予測の後処理を必要としないため、エンドツーエンドである。
  論文  参考訳（メタデータ） (2022-02-22T07:19:18Z)
• Deep ensembles in bioimage segmentation [74.01883650587321]
  本研究では,畳み込みニューラルネットワーク(CNN)のアンサンブルを提案する。 アンサンブル法では、多くの異なるモデルが訓練され、分類に使用され、アンサンブルは単一分類器の出力を集約する。 提案するアンサンブルは,DeepLabV3+とHarDNet環境を用いて,異なるバックボーンネットワークを組み合わせることで実現されている。
  論文  参考訳（メタデータ） (2021-12-24T05:54:21Z)
• Keypoint Message Passing for Video-based Person Re-Identification [106.41022426556776]
  ビデオベースの人物再識別(re-ID)は、異なるカメラで捉えた人々のビデオスニペットをマッチングすることを目的とした、視覚監視システムにおいて重要な技術である。 既存の手法は主に畳み込みニューラルネットワーク(CNN)に基づいており、そのビルディングブロックは近隣のピクセルを一度に処理するか、あるいは3D畳み込みが時間情報のモデル化に使用される場合、人の動きによって生じるミスアライメントの問題に悩まされる。 本稿では,人間指向グラフ法を用いて,通常の畳み込みの限界を克服することを提案する。具体的には,人手指のキーポイントに位置する特徴を抽出し,時空間グラフとして接続する。
  論文  参考訳（メタデータ） (2021-11-16T08:01:16Z)
• Cherry-Picking Gradients: Learning Low-Rank Embeddings of Visual Data via Differentiable Cross-Approximation [53.95297550117153]
  本稿では,大規模な視覚データテンソルの処理を行うエンドツーエンドのトレーニング可能なフレームワークを提案する。 提案手法は大規模多次元グリッドデータや,大規模受容領域上のコンテキストを必要とするタスクに特に有用である。
  論文  参考訳（メタデータ） (2021-05-29T08:39:57Z)
• OVANet: One-vs-All Network for Universal Domain Adaptation [78.86047802107025]
  既存のメソッドは、検証または未知のサンプルの事前定義された比率に基づいて未知のサンプルを拒否するしきい値を手動で設定します。 本稿では,ソースサンプルを用いて閾値を学習し,対象領域に適応する手法を提案する。 私たちの考えは、ソースドメインの最小クラス間距離は、ターゲットの既知のか未知かを決定するための良いしきい値であるべきです。
  論文  参考訳（メタデータ） (2021-04-07T18:36:31Z)
• Convolution-Free Medical Image Segmentation using Transformers [8.130670465411239]
  近接する画像パッチ間の自己注意に基づく別の手法が,競争的あるいはよりよい結果が得られることを示す。 提案モデルにより,3つのデータセット上でのCNNの状態よりも優れたセグメンテーション精度が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-26T18:49:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。