La red neuronal convolucional (CNN) se ha aplicado ampliamente en diversos campos. Sin embargo, siempre se ve obstaculizada por las características inexplicables. Los usuarios no pueden saber por qué un modelo basado en CNN produce ciertos resultados de reconocimiento, lo cual es una vulnerabilidad de CNN desde la perspectiva de la seguridad. Para aliviar este problema, en este estudio, se analizan en detalle los tres métodos de visualización de características existentes de CNN en primer lugar, y se presenta un marco de visualización unificado para interpretar los resultados de reconocimiento de CNN. Aquí, el peso de activación de clase (CAW) se considera el factor más importante en el marco. Luego, se analizan más a fondo los diferentes tipos de CAWs, y se concluye que existe una correlación lineal entre ellos. Finalmente, sobre esta base, se propone un método de mapeo de activación de clase basado en atención espacial-canal (SCA-CAM). Este método utiliza diferentes tipos de CAWs como pesos de atención y combina atenciones espaciales y de canal para generar mapas de activación de
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Desarrollo de aplicaciones móviles bajo la plataforma de Iphone
Artículos:
Estadísticas de riesgo complejas con análisis de escenarios
Artículos:
Evaluación de la calidad de vida: El enfoque del banco de pruebas TRIANGLE
Artículos:
Filtrado robusto de sistemas de retardo de salto markoviano no homogéneos a través del enfoque funcional de Lyapunov-Krasovskii de pasos adelantados.
Artículos:
Experiencias de la implementación de un juego móvil multijugador en tiempo real para redes inalámbricas con alta latencia.
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos