信号强度与噪声驱动CNN图像分类器的特征偏好
计算机视觉与模式识别
2022-01-25 v1 机器学习
摘要
卷积神经网络（CNN）图像分类器中的特征偏好是其决策过程的核心，尽管该主题已被充分研究，仍未在基础层面被理解。我们在高度受控的CNN图像分类实验中，使用合成数据集测试一系列任务相关特征属性（包括形状、纹理和颜色）在不同信号与噪声程度下的情况，以确定特征偏好。我们发现CNN会偏好信号更强、噪声更低的特征，无论该特征是纹理、形状还是颜色。这为任务相关特征偏好的预测模型提供指导，展示了可通过谨慎控制实验设置避免的机器模型偏差路径，并建议应重新审视人类与机器在视觉分类任务中任务相关特征偏好之比较。复现本文实验的代码见\url{https://github.com/mwolff31/signal_preference}。
引用
@article{arxiv.2201.08893,
title = {Signal Strength and Noise Drive Feature Preference in CNN Image Classifiers},
author = {Max Wolff and Stuart Wolff},
journal= {arXiv preprint arXiv:2201.08893},
year = {2022}
}
备注
Accepted at SVRHM 2021