当前位置: 首页 > news >正文

可解释性分析的一些类别(草稿)(视觉)

目录

1.交互性解释

2. 本身具有解释性的模型

3.如何将可解释性分析应用到生成模型

参考文献


视觉领域从2020年开始可以分为两块,一个是图像分类,一个是图像生成。

图像分类:输入一张图片,输出语义标签,就是这张图里面有什么。

       可解释性方法:CAM等

生成模型:输入语义标签(就是想要什么图),或者噪声,得到一张图片。

1.交互性解释

大概意思就是做一个在线模型,使用者可以点击图片,去实时验证图片结果对应的特征,

2. 本身具有解释性的模型

像CAM需要先用CNN训练一个模型再接上CAP,等于说设计了一个计算模型CNN,再设计一个解释模型CAP去解释CNN,类似于自然语言处理模型transformation,就是一个自我解释性很强的模型。

3.如何将可解释性分析应用到生成模型

参考文献

1.计算机视觉模型可解释性进展概要_哔哩哔哩_bilibili

http://www.lryc.cn/news/113141.html

相关文章:

  • HTTPS-RSA握手
  • bigemap国土管理行业应用
  • 深入探索 Splashtop Enterprise 的潜力
  • 创建型模式-单例模式
  • 2. Linux安装Git
  • 检查网站是HTTP那种协议与获取域名的ipv6地址
  • 【转】金融行业JR/T0197-2020《金融数据安全 数据安全分级指南》解读
  • FPGA学习——电子时钟模拟(新)
  • 一文读懂快速开发平台
  • Docker实战-操作Docker容器实战(二)
  • redis原理 5:同舟共济 —— 事务
  • FreeRTOS(vTaskList与vTaskGetRunTimeStats)
  • 机器学习---概述(二)
  • OPENCV C++(六)canny边缘检测+仿射变换+透射变换
  • 大量删除hdfs历史文件导致全部DataNode心跳汇报超时为死亡状态问题解决
  • 农商行基于分类分级的数据安全管控建设实践
  • 读写文件(
  • .net core 依赖注入生命周期
  • 栈和队列的实现
  • java中的垃圾收集机制
  • TCP网络服务器设计
  • 4. C++构造函数和析构函数
  • 【Spring Cloud 四】Ribbon负载均衡
  • “星闪”:60%能耗 6倍速度 1/30时延**
  • cocosCreator 之 i18n多语言插件
  • redis 如何保证数据一致性
  • 因果推断(三)双重差分法(DID)
  • neo4j入门实例介绍
  • CGAL-2D和3D线性几何内核-点和向量-内核扩展
  • Ubuntu 22.04 安装docker