认知颠覆 · COGNITIVE OVERTURN

感受野的"名实不符":理论视野≠实际视野

网络理论感受野可以覆盖整张图像,但实际决策主要依赖中心区域的少量像素——有效感受野远小于理论值且呈高斯衰减。这个发现意味着:①深层网络并没有真正"理解"全局上下文,只是理论上有能力看到;②真正驱动网络决策的是中心区域的局部特征,这解释了为什么对抗攻击只需要扰动小区域就能骗过模型。
来源

感受野-任务匹配模型 / Li et al.(2018)有效感受野研究

可迁移到

解释AI决策可解释性问题——当医生问"模型为什么做出这个诊断"时,有效感受野分析可以指出模型真正依赖的图像区域,比Grad-CAM更底层。

来自这本书的解读报告

《卷积神经网络与计算机视觉》

待确认(基于书名领域知识深度解读) · 计算机视觉 / 深度学习

这本书回答了如何让机器像人一样看懂图像,答案是用层级卷积结构从像素中自动学习从边缘到语义的特征表示。

计算机视觉·卷积神经网络·深度学习·特征学习·迁移学习
阅读完整解读报告 →
PRESS YOUR OWN BOOK

找一本想读的书,解读出你自己的洞察

90 秒得到核心模型 · 行动接口 · 失效边界 · 三套 SOP

解读一本书 →