Concept Whitening(for Interpretable Image Recognition)

最新推荐文章于 2024-07-09 21:39:00 发布
最新推荐文章于 2024-07-09 21:39:00 发布
阅读量891 收藏 1
点赞数
分类专栏： 机器学习 文章标签： 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fengyuesong/article/details/112518307
版权

和BatchNorm相比有很多优点，并且可以直接替换BatchNorm。

  • 有更好的interpretability（可解释性），可以可视化得解释神经网络层的含义。（这是最突出的特点）concepts in the latent space are purer than standard CNNs.
  • 不会降低网络的accuracy（准确率）。accuracy is on par with standard CNNs.
  • 可以使用在已经训练好的模型上，只需要增加一步就可以得出结果，十分方便。

https://bdtechtalks.com/2021/01/11/concept-whitening-interpretable-neural-networks/

Chen Z, Bei Y, Rudin C. Concept Whitening for Interpretable Image Recognition[J]. arXiv preprint arXiv:2002.01650, 2020.

冯岳松
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Concept Whitening for interpretable image recognition 用于可解释图像识别的概念白化
This is Yu SI's blog. Kenny(司宇SIYU)
06-25 1030
Concept Whitening for interpretable image recognition Deep neural networks achieve state-of-the-art performance in image recognition. But what does a neural network encode in its latent space? Ideally, we want the latent space to be disentangled,meaning t
“概念白化”，提供神经网络可解释性的新技术
shujushizhanpai的博客
01-20 1084
作者：Ben Dickson（软件工程师、TechTalks 的创始人） 译者：hhhnoone 原文：Deep learning doesn’t need to be a black box 深度神经网络的成功，要归功于它们极其庞大而复杂的参数网络，但是这种复杂性也导致了某些弊端：神经网络的内部运作通常是一个谜 —— 即使对于其创造者而言也是如此。自从深度学习从 2010 年代初期开始流行以来，这个难题就持续困扰着人工智能社区。 随着深度学习在不同领域的应用和拓展，人们对能够通过验证神经网络结果和学习参.
【论文阅读】Concept whitening for interpretable image recognition
evangieMjr的博客
02-21 400
用Concept Whitening层（归一化，去相关）替换训练好的模型的Batch Normalization层。将潜空间与概念对齐。
【文献笔记】概念白化 - Concept whitening for interpretable image recognition
FallenChild的博客
05-15 258
对文献Concept whitening for interpretable image recognition的阅读笔记。该文提出了一种名为“概念白化”的深度神经网络算法，可以增强模型的可解释性。
Nature Machine Intelligence论文：「概念白化」，提供神经网络可解释性的新技术
BAAIBeijing的博客
01-28 965
‍‍‍‍‍‍‍‍‍‍‍作者：Ben Dickson（软件工程师、TechTalks 的创始人）译者：hhhnoone原文：Deep learning doesn’t need to be...
建设用地需求模型构建
03-14
在IT行业中，数据分析和建模是至关重要的领域，特别是在城市规划和土地管理中。"建设用地需求模型构建"是一个专门针对城市土地使用需求的研究课题，它旨在通过科学的方法预测未来的建设用地需求，以支持城市发展的...
whitening.zip_ICA code_in_matlab whitening_whitening
07-14
code for whitening in ICA
adaptive whitening filter for small target detection
05-10
基于白虎滤波器的红外小目标检测 国外全英文论文 经典 值得研究
Matlab.rar_SVD_SVD and Whitening_whitening
09-23
SVD and Whitening. SVD By Using Power Method Approximation
Stanford UFLDL教程 Exercise: PCA and Whitening
11-07
Whitening在一些文献中也叫sphering，目的就是降低输入的冗余性；更正式的说，我们希望通过白化过程使得学习算法的输入具有如下性质： 　(i) 特征之间相关性较低； 　(ii) 所有特征具有相同的方差。
【人工智能系列经典图书翻译】可解释机器学习（第二版） 参考文献
欲穷千里目，更上一层楼
09-13 846
参考文献
阅读笔记3： 这看起来像：可解释图像识别的深度学习（ProtoPNet可解释图像分类方法）
猿猿的小仓库
08-27 4120
这看起来像：可解释图像识别的深度学习 （原论文名： This Looks Like That: Deep Learning for Interpretable Image Recognition） 作者： Chaofan Chen∗， Oscar Li∗， Chaofan Tao， Alina Jade Barnett， Jonathan Su， Cynthia Rudin 论文下载地址：https://arxiv.org/abs/1806.10574 Git地址：http...
深度学习可解释性的相关论文
qq_42779103的博客
11-26 3551
Year Publication Paper Citation code 2020 CVPR Explaining Knowledge Distillation by Quantifying the Knowledge 3 2020 CVPR High-frequency Component Helps Explain the Generalization of Convolutional Neural Networks 16 2020 CVPRW Score-CAM: Sco...
【论文笔记】CVPR2020 Interpretable and Accurate Fine-grained Recognition via Region Grouping
gitcat的博客
07-12 1993
Contribution proposed an interpretable deep model for fine-grained visual recognition: 做细粒度分类，但同时output the segmentation of object parts and the identification of their contributions towards classification，增加了模型的可解释性 为了确认object parts，使用a simple prior (pr.
神经网络设计过程
Water_Sunzhipeng的博客
07-08 224
转化为Iris Y(1, 3) = X (1, 4) * W(4, 3) + b(3,) 三个偏置项。梯度下降法：沿损失函数梯度下降的方向，寻找损失函数的最小值，得到最优的参数的方法。2.神经网络方法，采集大量的Iris特征，分类对应标签，构成数据集。学习率：当学习率设置的过小时，收敛过程变得缓慢，过大，会在错过最小值。损失函数可以判断当前W和b的优劣，当损失函数值最小时，W和b最优。损失函数的表达方法之一就是：均方误差：MSE(y, y_) =运用损失函数定义预测值(y)与标准答案(y_)之间的差距。
使用八股搭建神经网络
最新发布
Water_Sunzhipeng的博客
07-09 635
swquential可以搭建上层输出就是下层输入的网络结构，但是无法搭建带有跳连特征的非顺序网络结构定义网络结构块def call(self, x): #写出前向传播调用网络结构块，实现前向传播return y__init__定义出积木call调用积木，实现前向传播return y每循环一次train，计算一次test的测试指标。
【work】AI八股-神经网络相关
qq_33673253的博客
07-02 639
y^=g(Whyh+by)\hat{y} = g(W_{hy} h + b_y)y^​=g(Why​h+by​) 其中 WhyW_{hy}Why​ 是隐藏层到输出层的权重矩阵，byb_yby​ 是输出层的偏置向量，ggg 是输出层的激活函数，通常在分类问题中是softmax函数。: h=f(Wxhx+bh)h = f(W_{xh} x + b_h)h=f(Wxh​x+bh​) 其中 WxhW_{xh}Wxh​ 是输入到隐藏层的权重矩阵，bhb_hbh​ 是隐藏层的偏置向量，fff 是激活函数。
神经网络中的激活函数
m0_53881899的博客
07-09 152
神经网络中的激活函数
MATLAB实现-基于CNN-BiLSTM卷积神经网络结合双向长短期记忆神经网络数据分类预测（多输入多分类）
m0_60368832的博客
07-09 206
MATLAB实现-基于CNN-BiLSTM卷积神经网络结合双向长短期记忆神经网络数据分类预测（多输入多分类）1.数据均为Excel数据，直接替换数据就可以运行程序。3.具有良好的编程习惯，程序均包含简要注释。2.所有程序都经过验证，保证程序可以运行。
get Pre-whitening signal by python
03-25
Pre-whitening is a technique used in signal processing to remove the spectral correlation of a signal, thus making it easier to analyze or model. Here is an example of how to pre-whiten a signal using...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值