研究人员开发了一种新颖的方法，通过将领域知识集成到深度神经网络中来增强图像识别的鲁棒性。该方法引入了一个可微分知识单元（DKU），它使用模糊逻辑和蕴含规则来调制分类器的logits，以优化类概率。该系统能够从任务监督中自动发现隐式概念，从而在不需要显式概念标签的情况下学习类与这些概念之间的关系。在PASCAL-VOC、COCO和MedMNIST数据集上的评估表明，该方法在性能和领域泛化能力方面均有所提高。 AI
影响 通过隐式知识发现和模糊逻辑集成，提出了一种提高图像识别鲁棒性的新颖方法。
排序理由 详细介绍图像识别新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.27759v1 Announce Type: cross Abstract: Integrating domain knowledge into deep neural networks is a promising way to improve generalization. Existing methods either encode prior knowledge in the loss function or apply post-processing modules, but both depend on identify…
Integrating domain knowledge into deep neural networks is a promising way to improve generalization. Existing methods either encode prior knowledge in the loss function or apply post-processing modules, but both depend on identifying useful symbolic knowledge to integrate. Since …