利用跨任务线性探针网格解释 CNN 模型对视网膜图像的预测
机器学习
2021-07-27 v1 计算机视觉与模式识别
图像与视频处理
摘要
我们使用线性探针分析一个视网膜图像数据集：线性探针是以在某个“源”任务上训练的深度卷积（CNN）模型提取的嵌入作为输入，在某个“目标”任务上训练的线性回归模型。我们对 UK Biobank 视网膜图像数据集中 93 个任务的所有可能配对使用该方法，产生了约 16.4 万个不同的模型。我们按源任务、目标任务和网络层深度分析这些线性探针的性能。我们观察到网络中间层的表示更具泛化性。我们发现某些目标任务无论源任务是什么都容易被预测，而另一些目标任务从相关的源任务训练的嵌入中预测的准确度，高于从同一任务训练的嵌入中预测的准确度。
引用
@article{arxiv.2107.11468,
title = {Using a Cross-Task Grid of Linear Probes to Interpret CNN Model Predictions On Retinal Images},
author = {Katy Blumer and Subhashini Venugopalan and Michael P. Brenner and Jon Kleinberg},
journal= {arXiv preprint arXiv:2107.11468},
year = {2021}
}
备注
Extended abstract at Interpretable Machine Learning in Healthcare (IMLH) workshop at ICML 2021