ProtoAttend：基于注意力的原型学习
机器学习
2019-09-27 v4 计算机视觉与模式识别
摘要
我们提出一种新颖的固有可解释机器学习方法，其决策基于少量相关样本（我们称之为原型）。我们的方法 ProtoAttend 可集成到广泛的神经网络架构中，包括预训练模型。它利用一种注意力机制，将编码表示与样本相关联以确定原型。所得模型在三个高影响力问题上达到最先进水平且不牺牲原模型的精度：(1) 它实现高质量可解释性，输出与决策最相关的样本（即基于样本的可解释性方法）；(2) 它通过量化原型标签间的不匹配实现最先进的置信度估计；(3) 它在分布失配检测中取得最先进结果。所有这些都能以最小的额外测试时间与切实可行的训练时间计算代价实现。
引用
@article{arxiv.1902.06292,
title = {ProtoAttend: Attention-Based Prototypical Learning},
author = {Sercan O. Arik and Tomas Pfister},
journal= {arXiv preprint arXiv:1902.06292},
year = {2019}
}