面向基于计算机视觉的可解释 AI 解决方案设计：畜牧拍卖行业的用例
计算机视觉与模式识别
2021-03-05 v1 人工智能
摘要
在线拍卖场的目标是匹配买卖双方、称量动物并监督其销售。可通过读取历史销售数据的机器学习（ML）模型开发可靠的定价方法。然而，当 AI 模型建议或推荐价格时，其本身并未揭示太多（即如黑箱般）关于动物品质与能力的信息。感兴趣的买家在根据自身需求做出正确选择前，希望更多了解动物的显著特征。一个能够解释影响价格点不同因素的模型对市场需求至关重要。它也能在买卖双方中激发对所提供价格点的信心。为实现这些目标，我们一直与位于爱尔兰戈尔韦市 Portershed 的初创公司 MartEye 团队合作。通过本文，我们报告了朝向构建利用可解释 AI（Explainable AI）技术的智能视频分析平台的进行中研究。
引用
@article{arxiv.2103.03096,
title = {Towards Designing Computer Vision-based Explainable-AI Solution: A Use Case of Livestock Mart Industry},
author = {Devam Dave and Het Naik and Smiti Singhal and Rudresh Dwivedi and Pankesh Patel},
journal= {arXiv preprint arXiv:2103.03096},
year = {2021}
}
备注
8 pages, 5 figures