每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

ImageNet 训练的 CNN 不偏向纹理：通过控制抑制重新审视特征依赖

Created by
  • Haebom

作者

汤姆·伯格特、奥利弗·斯托尔、保罗·罗塔、贝格·姆·德米尔

大纲

为了重新审视卷积神经网络 (CNN) 天生具有纹理偏向性的假设，我们分析了线索冲突实验的局限性，并提出了一个领域无关的框架，该系统系统地抑制形状、纹理和颜色线索，以量化特征依赖性。我们的实验表明，CNN 天生并非纹理偏向性，主要依赖于局部形状特征，并且可以使用最先进的学习策略或架构（例如 ConvNeXt、ViTs）来减轻这种依赖性。此外，我们将分析扩展到计算机视觉、医学成像和遥感领域，揭示了模型的特征依赖模式存在系统性变化。

Takeaways, Limitations

•
CNN 本质上对纹理不敏感，主要依赖于局部形状特征。
•
可以通过现代训练策略或架构来减轻特征依赖性。
•
计算机视觉模型更依赖于形状，医学成像模型更依赖于颜色，遥感模型更依赖于纹理。
•
我们提出了一个新框架来解决提示冲突实验的局限性。
•
所提出的方法不限于特定领域，可以应用于各个领域。
•
(Limitations) 需要扩展模型和数据集的类型以包含更多多样性。
•
(Limitations) 需要对各种抑制技术进行更多研究。
👍
Made with Slashpage