EigenCAM
PulseAugur coverage of EigenCAM — every cluster mentioning EigenCAM across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
探索领域迁移下的行人检测可解释人工智能审计
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。
-
EigenCAM 在 YOLOv5 目标检测中优于 Grad-CAM++
文章解释了为什么 EigenCAM 是 YOLOv5 等目标检测模型的优于 Grad-CAM++ 的选择。突出的主要优势是 EigenCAM 使用特征通道上的主成分分析 (PCA)，这有效地减轻了多尺度检测场景中固有的梯度噪声。
-
新框架增强了人工智能在视网膜疾病检测中的可解释性
研究人员开发了CounterFundus，一个用于解释视网膜疾病分类中深度学习模型的新框架。该框架利用CycleGAN生成反事实解释，将病理图像转换为估计的健康对应图像。一个新的指标，反事实分类器对齐分数（CCAS），量化了这些反事实与分类器注意力的空间一致性，证明了与临床相关的视网膜证据的一致性。此外，CCAS过滤的反事实增强已被证明可以提高眼底图像的分类性能。
-
TumorXAI 使用自监督学习进行脑肿瘤 MRI 分类
研究人员开发了 TumorXAI，一个用于从 MRI 扫描中对脑肿瘤进行分类的自监督深度学习框架。该方法通过利用 SimCLR、BYOL、DINO 和 Moco v3 等技术，解决了标记医疗数据有限的挑战。该框架取得了高准确率，其中 SimCLR 在包含 4,448 张 MRI 的数据集上达到了 99.64%，并且还集成了可解释人工智能方法以增强模型的可解释性。