VAC-CNN：用于深度卷积神经网络对比研究的视觉分析系统
机器学习
2022-01-19 v2 人机交互
摘要
近年来卷积神经网络(CNNs)的快速发展在许多机器学习(ML)应用中引发了重大突破。因此，理解和比较各种可用CNN模型的能力至关重要。传统方法通过可视化各模型的量化特征（如分类准确率和计算复杂度）不足以深入理解和比较不同模型的行为。此外，现有大多数评估CNN行为的工具仅支持两个模型间的比较，且缺乏根据用户需求定制分析任务的灵活性。本文提出一个视觉分析系统VAC-CNN（用于比较CNN的视觉分析），支持对单个CNN模型的深入检视以及两个或多个模型的对比研究。尤其能够比较更多数量（例如数十个）模型的能力使我们的系统区别于以往系统。借助精心设计的模型可视化与解释支持，VAC-CNN促进了高度交互的工作流，在每个分析阶段及时呈现定量与定性信息。我们通过两个使用案例及一项基于ImageNet数据集图像分类任务的初步评估研究，展示了VAC-CNN在辅助新手ML从业者评估和比较多个CNN模型方面的有效性。
引用
@article{arxiv.2110.13252,
title = {VAC-CNN: A Visual Analytics System for Comparative Studies of Deep Convolutional Neural Networks},
author = {Xiwei Xuan and Xiaoyu Zhang and Oh-Hyun Kwon and Kwan-Liu Ma},
journal= {arXiv preprint arXiv:2110.13252},
year = {2022}
}
备注
12 pages, 6 figures. This manuscript is currently under review