点击下方“AI算法与图像处理”,一起进步!
重磅干货,第一时间送达
本文以 A Survey on Neural Network Interpretability 读后感为主,加上自身的补充,浅谈神经网络的可解释性。
本文按照以下的章节进行组织:
人工智能可解释性的背景意义 神经网络可解释性的分类 总结
01
解释(Explanations),是指需要用某种语言来描述和注解
可解释的边界(Explainable Boundary),是指可解释性能够提供解释的程度
可理解的术语(Understandable Terms),是指构成解释的基本单元
高可靠性的要求
伦理/法规的要求
作为其他科学研究的工具
02
featuremap_layout
03
努力分享优质的计算机视觉相关内容,欢迎关注:
个人微信(如果没有备注不拉群!) 请注明:地区+学校/企业+研究方向+昵称
下载1:何恺明顶会分享
在「AI算法与图像处理」公众号后台回复:何恺明,即可下载。总共有6份PDF,涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2:终身受益的编程指南:Google编程风格指南
在「AI算法与图像处理」公众号后台回复:c++,即可下载。历经十年考验,最权威的编程规范!
下载3 CVPR2021 在「AI算法与图像处理」公众号后台回复:CVPR,即可下载1467篇CVPR 2020论文 和 CVPR 2021 最新论文
点亮 ,告诉大家你也在看