可视化图像内容以解释新颖图像发现
机器学习
2022-09-14 v2 计算机视觉与模式识别
机器学习
摘要
对任何大型数据集的初步分析可分为两个阶段：（1）识别常见趋势或模式；（2）识别偏离这些趋势的异常或离群值。我们聚焦于检测具有新颖内容的观测这一目标，其可提醒我们注意数据集中的伪影，或潜在地发现未知现象。为帮助解释和诊断这些所选观测的新颖方面，我们推荐使用生成解释的新颖性检测方法。在大型图像数据集背景下，这些解释应以人类可理解的形式突出给定图像的哪些层面是新的（颜色、形状、纹理、内容）。我们提出DEMUD-VIS，这是首个通过采用卷积神经网络（CNN）提取图像特征、利用重构误差检测新颖内容、以及使用上卷积网络将CNN特征表示转换回图像空间来提供新颖图像内容视觉解释的方法。我们在来自ImageNet、淡水溪流和火星表面的多样图像上演示了该方法。
引用
@article{arxiv.1908.05006,
title = {Visualizing Image Content to Explain Novel Image Discovery},
author = {Jake H. Lee and Kiri L. Wagstaff},
journal= {arXiv preprint arXiv:1908.05006},
year = {2022}
}
备注
Published in DMKD