Yazar
Özer, Sedat, Zaval, Mounes
Basım Tarihi
2024-01-01
Basım Yeri
-
IEEE
Konu
SAM, Herhangi Bir Konsepti Açıklayın, XAI, Açıklanabilirlik
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
979-835038896-1
Kayıt Numarası
5ae8b083-3567-49b7-b77b-e6fa4ab030b8
Lokasyon
Bilgisayar Bilimi
Tarih
2024-01-01
Örnek Metin
Gelişen Açıklanabilir Yapay Zeka (XAI) alanında, bilgisayarla görme görevlerinde derin sinir ağlarının (DNN'ler) kararlarının yorumlanması önemli bir süreçtir. Piksel tabanlı XAI yöntemleri önemli pikselleri tanımlamaya odaklanırken, mevcut kavram tabanlı XAI yöntemleri önceden tanımlanmış veya insan açıklamalı kavramları kullanır. Yakın zamanda önerilen Her Şeyi Segmente Alma Modeli (SAM), kapsamlı örnek segmentasyonu yoluyla otomatik kavram kümeleri hazırlamak konusunda önemli bir adım attı. Bunun üzerine, Herhangi Bir Kavramı Açıkla (EAC) modeli, DNN kararlarını açıklamak için esnek bir yöntem olarak ortaya çıktı. EAC modeli, hedef modeli simüle etmek için eğitilebilir bir doğrusal katmana sahip bir yedek modelin kullanılmasına dayanmaktadır. Bu yazıda, orijinal vekil modele ek bir doğrusal olmayan katman ekleyerek EAC modelinin performansını artırabileceğimizi gösteriyoruz. Önerilen yaklaşımımızı orijinal EAC modeliyle karşılaştırıyoruz ve hem ImageNet hem de MS COCO veri kümelerinde elde edilen iyileştirmeleri rapor ediyoruz.
DOI
10.1109/SIU61531.2024.10600959
