利用可解释人工智能增强边缘摄像头的公平性和性能

人工智能在边缘摄像头系统人体检测中的日益普及导致了准确但复杂的模型，难以解释和调试。我们的研究提出了一种使用可解释人工智能（XAI）进行模型调试的诊断方法，包括专家驱动的问题识别和解决方案创建。在真实世界的办公室边缘网络中的Bytetrack模型上验证后，我们发现训练数据集是主要的偏差来源，并建议模型增强作为解决方案。我们的方法有助于识别模型偏差，这对于实现公平和可信的模型至关重要。