EU-Nets：增强型、可解释且紧凑的 U-Nets
机器学习
2025-02-26 v1 人工智能
摘要
本研究提出了 MHEX+ 框架，可适用于任何 U-Net 架构。基于 MHEX+，我们引入了新型 U-Net 变体，即 EU-Nets，通过增强可解释性和不确定性估计来解决传统 U-Net 模型的局限性，同时提升性能和稳定性。一种关键创新是等效卷积核，它统一连续的卷积层，从而提升可解释性。对于不确定性估计，我们提出了协作梯度方法，通过测量解码器各层之间的梯度一致性。值得注意的是，实验中 EU-Nets 在所有网络和数据集上的平均准确率提升 1.389%，方差降低 0.83%，且参数数量不足 0.1M。
引用
@article{arxiv.2502.18122,
title = {EU-Nets: Enhanced, Explainable and Parsimonious U-Nets},
author = {B. Sun and P. Liò},
journal= {arXiv preprint arXiv:2502.18122},
year = {2025}
}