image-classifiers
PulseAugur coverage of image-classifiers — every cluster mentioning image-classifiers across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的XposedMIA框架利用AI解释进行成员推理攻击
研究人员开发了XposedMIA,一个利用可解释AI(XAI)输出来对机器学习模型执行成员推理攻击(MIA)的新型框架。该方法重新利用了LIME等技术中的局部代理几何来估计样本到模型决策边界的接近程度。XposedMIA在短暂校准后,每个目标样本仅需一次查询,表明发布解释可能会无意中泄露训练数据信息。
-
新框架将相关性传播统一为熵最优传输
研究人员开发了一个新的框架来理解神经网络中的相关性传播,将其视为一种熵最优传输。该方法将各种现有的LRP规则统一在一个单一的原则下,并引入了一种称为Sinkhorn相关性传播的新方法。新方法已在VGG-16和ConvNeXt-Tiny等图像分类器上进行了测试,证明了其准确追踪证据流和识别有影响力的隐藏单元的能力。
-
深度学习模型提升昆虫分类能力,助力生物多样性监测
研究人员开发了一种基于深度学习的昆虫分层分类模型,利用相机陷阱图像进行生物多样性监测。该模型解决了专家标注数据集有限、数据不平衡以及模型需要跨不同分类级别泛化等挑战。它使用了约一百万张昆虫图像的手动整理数据集,并采用分层分类架构,利用生物分类学在多个级别上实现高精度。
-
深度集成在数据偏移下表现出线性模式连通性
研究人员调查了深度学习中线性模式连通性(LMC)的现象,特别是它如何受到图像分类器集成中数据偏移的影响。研究表明,数据偏移可以被视为一种随机梯度噪声,可以通过使用更小的学习率和更大的批量大小来缓解。这些参数会影响模型收敛到损失景观的相似或不同区域,从而影响训练效率和集成多样性之间的权衡。