ForestMonkey：基于 AI 的缺陷检测与分类模型推理工具包
人工智能
2023-10-11 v2
摘要
人工智能（AI）推理与可解释 AI（XAI）任务近来备受关注，使用户能够解释 AI 模型的预测或决策过程。本文介绍 Forest Monkey（FM），一个旨在通过数据可解释性对任意基于 AI 的缺陷检测和/或分类模型输出进行推理的工具包。FM 以 Python 包形式实现，接收数据集文件夹路径（包括原始图像、真实标签和预测标签）作为输入，并提供一组图表与一个文本文件来展示推理结果并给出可能的改进建议。FM 工具包包含从预测到推理目标的特征提取、从图像到缺陷特征的特征提取，以及基于决策树的 AI-推理器（AI-Reasoner）等过程。此外，本文考察了 FM 工具包应用于四个不同数据集的 AI 模型时的时间性能。最后，提供了教程以指导用户使用 FM 工具包执行推理任务。
引用
@article{arxiv.2307.13815,
title = {ForestMonkey: Toolkit for Reasoning with AI-based Defect Detection and Classification Models},
author = {Jiajun Zhang and Georgina Cosma and Sarah Bugby and Jason Watkins},
journal= {arXiv preprint arXiv:2307.13815},
year = {2023}
}
备注
6 pages, 5 figures, accepted in 2023 IEEE symposium series on computational intelligence (SSCI)