基于卷积神经网络的视觉识别应用中认知缺口识别方法
计算机视觉与模式识别
2021-10-08 v1 机器学习
摘要
开发基于卷积神经网络、性能持续良好的视觉识别应用（例如用于自动驾驶）非常具有挑战性。开发过程中的障碍之一是其认知行为的不透明性。已有大量文献描述了训练后CNN的非理性行为，展示了其认知中的缺口。本文提出一种利用图像增强技术生成最坏情况图像的方法。若CNN在此类图像上的认知表现薄弱，而增强技术本应无害，则发现了潜在的认知缺口。所提最坏情况图像生成器采用对抗搜索方法高效识别最具挑战性的图像。使用著名的AlexNet CNN以及描绘典型驾驶场景的图像对该方法进行了评估。
引用
@article{arxiv.2110.02080,
title = {A Methodology to Identify Cognition Gaps in Visual Recognition Applications Based on Convolutional Neural Networks},
author = {Hannes Vietz and Tristan Rauch and Andreas Löcklin and Nasser Jazdi and Michael Weyrich},
journal= {arXiv preprint arXiv:2110.02080},
year = {2021}
}
备注
to be published in 16th CASE 2021: Lyon