热门关键词:爱游戏,爱游戏正规版,爱游戏app,爱游戏官网  
当前位置:首页 > 企业新闻
爱游戏app:知道你的图片是如何被分类的吗?GoogleAI告诉你
2021-08-05 [1986]
本文摘要:人工智能发展到今天,利用AI来分类图像库已经不是什么有趣的事了。

人工智能发展到今天,利用AI来分类图像库已经不是什么有趣的事了。但是,照片不是单一的个人自拍电影和单一的物体,而是包括很多背景要素,如很多人拍照、风景山水照片等。那么,AI如何识别图像分类器,决定分类各种图像呢?对于这个问题,海外媒体的相关报道通过对论文的理解进行了说明。【照片来源:谷歌所有者:谷歌。

】人们一般不指出。随着AI系统的复杂性的减少,其说明性不会更差。但是,研究人员开始用函数库挑战这个想法。例如,说明深度自学的神经网络框架Pytorch是如何要求的,Facebook的Captum、IBM的AI通信Explainability是360次工具包,微软公司的InterpretML。

为了使AI的决策更加透明,谷歌和斯坦福的研究团队最近开发了基于概念的型基于概念的自动说明(AutomatedConcept-basedExplanation,ACE),这个模型需要提取对人类有意义的视觉概念。的双曲馀弦值。正如研究者在论文中说明的那样,很多机器学习说明方法不会改变单一的特征(例如像素、超像素、单词向量),类似于所有的目标模型。

爱游戏app

爱游戏官网

但是,这是极端的方法。因为容易受到输出变化的影响,即使变化大。

与许多机械学习说明方法相比,ACE认识高级概念的方法是提取概念,在确认各概念的重要性之前,不会将训练过的分类器和类别的图像作为输出。具体来说,ACE片段图像以片段为完全相同的概念展开分组,将最重要的概念返回前,有多个决议捕捉多个层次的纹理、对象部分和对象。为了测试ACE的鲁棒性,该研究团队集中训练了Google。从数据集中的1000个类别中自由选择100个类别。

研究团队认为,被标记为最重要的概念往往是遵守人的直觉,例如,在检查警车时,执法人员部门的标志比地面沥青更重要。然而,情况并非如此。它反映在一些不同的案例中。例如,在预测篮球图像时,更重要的是选手的外套,而不是篮球。

此外,研究人员回答说,他们通过人类实验检验了其意义和一致性,进一步证实ACE方面确实载有明显的预测信号。同时,研究人员还认为,他们的方法…自动将输出特性分组为高级概念,一些有意义的概念作为一致的例子经常出现,正确预测出的图像是最重要的。

爱游戏正规版

值得一提的是,研究人员否认ACE是最终的。因为不能有效地提取非常简单和困难的概念。但而,他们指出,ACE对模型自学相关性的洞察力不会提高机器学习的安全性。

记录:本文编译器是KYLEWIGGERS公开发表在venturebeat中的文章。原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:爱游戏,爱游戏正规版,爱游戏app,爱游戏官网

本文来源:爱游戏-www.dankaman.com