CNN 的先验泛化性估计
计算机视觉与模式识别
2025-02-26 v1 机器学习
图像与视频处理
摘要
我们对整个卷积神经网络进行截断奇异值分解。我们证明所计算的左、右奇异向量在识别卷积神经网络可能在哪些图像上表现较差时非常有用。为创建这一诊断工具，我们定义了两个指标：右投影比（Right Projection Ratio）和左投影比（Left Projection Ratio）。右（左）投影比评估图像（标签）在所计算的右（左）奇异向量上的投影保真度。我们观察到，这两个比例都能够识别图像分类问题中是否存在类别不平衡的存在。此外，仅需无标签数据即可计算的右投影比，其表现与模型在图像分割任务中的实际表现呈正相关。这表明右投影比可能是评估模型对特定样本表现良好概率的有用指标。
引用
@article{arxiv.2502.17622,
title = {A Priori Generalizability Estimate for a CNN},
author = {Cito Balsells and Beatrice Riviere and David Fuentes},
journal= {arXiv preprint arXiv:2502.17622},
year = {2025}
}