English(EN) Confidence-Controlled XAI Auditing for Pedestrian Detection under Domain Shift

探索领域迁移下的行人检测可解释人工智能审计

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-05 04:00

一篇新的研究论文探讨了在不同驾驶条件下应用于行人检测模型的可解释人工智能（XAI）方法的忠实度。该研究审计了YOLOv8s模型在不同数据集上的表现，发现解释的忠实度与检测强度密切相关。这表明简单的基于置信度的比较可能并不可靠，并且在自动驾驶等安全关键应用中，控制检测强度对于准确的可解释人工智能审计至关重要。 AI

影响强调了在自动驾驶等关键应用中需要强大的可解释人工智能审计方法来确保人工智能安全。

排序理由在arXiv上发表的研究论文，详细介绍了一种新的审计人工智能模型的方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的研究论文，详细介绍了一种新的审计人工智能模型的方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 3 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Ruben Dario Florez-Zela · 2026-10-05 04:00

面向领域迁移下行人检测的置信度控制可解释人工智能审计

arXiv:2610.02364v1 Announce Type: new Abstract: Explainability is increasingly required for perception models in intelligent vehicles, yet whether explanations remain faithful under driving domain shift is still poorly understood. This work audits post-hoc explanations of a fixed…

本文如何被排名

报道来源 [1]

面向领域迁移下行人检测的置信度控制可解释人工智能审计

相关实体

相关话题