深度学习函数从图像中学习的特征空间中的决策边界与凸包
计算机视觉与模式识别
2022-05-04 v3 人工智能
机器学习
最优化与控制
摘要
深度神经网络在图像分类与学习中的成功，部分可归因于其从图像中提取的特征。人们常常推测模型从图像中提取并学习的低维流形的性质。然而，基于理论或经验证据，对这一低维空间的理解尚不充分。对于图像分类模型，其最后隐藏层是将每一类图像与其他类分离开的层，且其特征数最少。在此，我们提出方法与公式来研究任意模型的该特征空间。我们研究特征空间中域的划分，识别保证具有特定分类的区域，并探讨其对像素空间的影响。我们观察到特征空间中决策边界的几何排布与像素空间显著不同，从而为对抗脆弱性、图像变形、外推、分类模糊性以及图像分类模型的数学理解提供了见解。
引用
@article{arxiv.2202.04052,
title = {Decision boundaries and convex hulls in the feature space that deep learning functions learn from images},
author = {Roozbeh Yousefzadeh},
journal= {arXiv preprint arXiv:2202.04052},
year = {2022}
}