图像数据中协变量偏移的对比识别
机器学习
2021-08-20 v2 人工智能
人机交互
摘要
识别协变量偏移对于使机器学习系统在真实世界中具有鲁棒性，以及检测未在测试数据中反映的训练数据偏差至关重要。然而，检测协变量偏移具有挑战性，尤其是当数据由高维图像组成，且多种类型的局部协变量偏移影响数据的不同子空间时。尽管自动化技术可用于检测协变量偏移的存在，我们的目标是借助无缝集成检测算法所获信息的界面，帮助人类用户刻画大型图像数据集中协变量偏移的程度。本文设计并评估了一种新的可视化界面，以促进训练数据与测试数据局部分布的比较。我们在多属性人脸数据上进行了定量用户研究，比较了两种不同的学习低维潜在表示（预训练 ImageNet CNN 与密度比）和两种用户分析工作流（最近邻与簇到簇）。结果表明，我们的密度比模型的潜在表示结合最近邻比较，在帮助人类识别协变量偏移方面最为有效。
引用
@article{arxiv.2108.08000,
title = {Contrastive Identification of Covariate Shift in Image Data},
author = {Matthew L. Olson and Thuy-Vy Nguyen and Gaurav Dixit and Neale Ratzlaff and Weng-Keen Wong and Minsuk Kahng},
journal= {arXiv preprint arXiv:2108.08000},
year = {2021}
}
备注
IEEE VIS 2021