通过解释预测理解基于片段的学习
机器学习
2018-06-20 v1 计算机视觉与模式识别
神经与进化计算
机器学习
摘要
深度网络能够学习高度预测性的视频数据模型。由于视频长度，一种常见策略是在小的视频片段上训练它们。我们应用深度泰勒 / LRP 技术来理解深度网络的分类决策，并识别出一种“边界效应”：分类器主要查看输入边界帧的趋势。该效应与用于构建视频片段的步长有关，我们可据此调整步长，从而在不重新训练模型的情况下提高分类器准确率。据我们所知，这是首次将深度泰勒 / LRP 技术应用于任何视频分析神经网络的工作。
引用
@article{arxiv.1806.06926,
title = {Understanding Patch-Based Learning by Explaining Predictions},
author = {Christopher Anders and Grégoire Montavon and Wojciech Samek and Klaus-Robert Müller},
journal= {arXiv preprint arXiv:1806.06926},
year = {2018}
}
备注
7 pages, 6 figures