論文の概要: Multiple Different Explanations for Image Classifiers

• arxiv url: http://arxiv.org/abs/2309.14309v1
• Date: Mon, 25 Sep 2023 17:28:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 14:29:42.790213
• Title: Multiple Different Explanations for Image Classifiers
• Title（参考訳）: 画像分類器の多種別説明
• Authors: Hana Chockler, David A. Kelly, Daniel Kroening
• Abstract要約: 与えられた画像に対するブラックボックス画像分類器の出力に関する複数の説明を計算するためのアルゴリズムとツールであるREXについて述べる。 我々のアルゴリズムは因果理論に基づく原理的アプローチを用いる。 REXは以前のImageNet-miniベンチマークの7倍のイメージについて複数の説明をしている。
• 参考スコア（独自算出の注目度）: 14.182742896993974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing explanation tools for image classifiers usually give only one single explanation for an image. For many images, however, both humans and image classifiers accept more than one explanation for the image label. Thus, restricting the number of explanations to just one severely limits the insight into the behavior of the classifier. In this paper, we describe an algorithm and a tool, REX, for computing multiple explanations of the output of a black-box image classifier for a given image. Our algorithm uses a principled approach based on causal theory. We analyse its theoretical complexity and provide experimental results showing that REX finds multiple explanations on 7 times more images than the previous work on the ImageNet-mini benchmark.
• Abstract（参考訳）: 画像分類器の既存の説明ツールは通常、1つの画像に対して1つの説明しか与えない。 しかし、多くの画像では、人間と画像分類器の両方が複数の画像ラベルの説明を受け入れている。 したがって、説明の数を制限することは、分類器の振る舞いに関する洞察を著しく制限する。 本稿では,与えられた画像に対するブラックボックス画像分類器の出力に関する複数の説明を計算するためのアルゴリズムとツールREXについて述べる。 本アルゴリズムは因果理論に基づく原理的アプローチを用いる。 我々は,その理論上の複雑さを分析し,imagenet-miniベンチマークの7倍のイメージでrexが複数の説明を見いだすことを実験的に示した。

関連論文リスト

• Causal Explanations for Image Classifiers [17.736724129275043]
  本稿では,実際の因果性理論に基づく計算説明に対する新しいブラックボックスアプローチを提案する。 これらの定義に基づいて近似的な説明を計算するためのアルゴリズムを提案する。 rexは最も効率的なツールであり、最小の説明を生成することを実証する。
  論文  参考訳（メタデータ） (2024-11-13T18:52:42Z)
• Interpretable Measures of Conceptual Similarity by Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
  画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。 我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。 2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
  論文  参考訳（メタデータ） (2024-02-14T03:31:17Z)
• Why do CNNs excel at feature extraction? A mathematical explanation [53.807657273043446]
  実世界のデータセットに似た画像を生成するのに使用できる特徴抽出に基づく画像分類の新しいモデルを提案する。 本研究では,特徴の存在を検知する一方向線形関数を構築し,畳み込みネットワークで実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-03T10:41:34Z)
• Minimum Description Length Clustering to Measure Meaningful Image Complexity [65.268245109828]
  本稿では,階層的なパッチクラスタリングによる画像複雑性の指標を提案する。 最小記述長の原理を用いて、クラスタ数を決定し、特定の点を外れ値として指定し、ホワイトノイズを低いスコアに正しく割り当てる。
  論文  参考訳（メタデータ） (2023-06-26T15:37:04Z)
• Two-Stage Holistic and Contrastive Explanation of Image Classification [16.303752364521454]
  全体的なアウトプットの説明は、人間のユーザがモデル行動の全体的な理解を得るのに役立つ。 画像分類のためのコントラスト的全出力説明法(CWOX)を提案する。
  論文  参考訳（メタデータ） (2023-06-10T04:22:13Z)
• Explaining Image Classifiers with Multiscale Directional Image Representation [4.29434097275489]
  本稿では,シャーレット変換に基づく画像分類器のマスク説明手法であるShearletXを提案する。 本手法を支援するために,説明人工物に関する数学的定義と,マスク説明の質を評価するための情報理論スコアを提案する。
  論文  参考訳（メタデータ） (2022-11-22T09:24:45Z)
• Compositional Explanations for Image Classifiers [18.24535957515688]
  本稿では,因果理論に基づく原理的アプローチを用いた説明計算のための新しいブラックボックスアルゴリズムを提案する。 この手法をツールCET(コンポジション説明ツール)で実装します。
  論文  参考訳（メタデータ） (2021-03-05T11:54:14Z)
• This is not the Texture you are looking for! Introducing Novel Counterfactual Explanations for Non-Experts using Generative Adversarial Learning [59.17685450892182]
  反実用説明システムは、入力画像を変更して反実用推論を可能にする。 本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。 その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
  論文  参考訳（メタデータ） (2020-12-22T10:08:05Z)
• Combining Similarity and Adversarial Learning to Generate Visual Explanation: Application to Medical Image Classification [0.0]
  学習フレームワークを活用して視覚的説明法を作成する。 文献のメトリクスを用いることで,この手法は最先端のアプローチよりも優れています。 大規模な胸部X線データベース上でのアプローチを検証する。
  論文  参考訳（メタデータ） (2020-12-14T08:34:12Z)
• Seed the Views: Hierarchical Semantic Alignment for Contrastive Representation Learning [116.91819311885166]
  一つの画像から生成されたビューをtextbfCross-samples や Multi-level representation に拡張することで,階層的なセマンティックアライメント戦略を提案する。 提案手法はCsMlと呼ばれ,サンプル間の多層視覚表現を堅牢な方法で統合する機能を備えている。
  論文  参考訳（メタデータ） (2020-12-04T17:26:24Z)
• Focus Longer to See Better:Recursively Refined Attention for Fine-Grained Image Classification [148.4492675737644]
  Deep Neural Networkは、粗い粒度の画像分類タスクにおいて大きな進歩を見せている。 本稿では,これらの限界差に着目して,より代表的な特徴を抽出する。 我々のネットワークは、画像の一部に繰り返し焦点を合わせ、クラス間の小さな識別的部分を見つける。
  論文  参考訳（メタデータ） (2020-05-22T03:14:18Z)

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。