解释你的决定：视觉分类中的逻辑推理正则化

视觉模型在图像分类中表现出色，但在面对未见数据时（如分类来自未知领域的图像或发现新类别）时难以泛化。本文探讨了逻辑推理与深度学习在视觉分类中的泛化关系。推导了一种称为L-Reg的逻辑正则化，将逻辑分析框架引入图像分类。我们的工作揭示了L-Reg带来的可解释性，使模型能够提取分类所需的显著特征（如人脸识别为人物）。理论分析和实验表明，L-Reg在各种场景下均能提升泛化性能，包括多域泛化和通用类别发现。在图像跨越未知类别和未见领域的复杂现实场景中，L-Reg持续显著改善泛化，凸显其实际效用。