2021_On Generating Plausible Counterfactual and Semi-Factual Explanations for Deep Learning

最新推荐文章于 2025-11-25 14:31:30 发布
原创 最新推荐文章于 2025-11-25 14:31:30 发布 · 328 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #神经网络

博客指出在深度学习相关领域，大家的做法似乎都差不多，反映出当前在该领域操作方式存在一定的趋同性。

大家做法好像都差不多

在这里插入图片描述

3D缺陷检测---小论文
qq_42813620的博客
10-03 4597
3D缺陷检测
【论文阅读】Pseudo-Labeling and Confirmation Bias in Deep Semi-Supervised Learning
来日可期的博客
05-14 1353
总览半监督学习。提到半监督分类中的一致性正则。提到本文中适用了伪标签技术（soft pseudo-labels）。核心的贡献。提出了确认偏差（confirmation bias），本文贡献是证明了和是有效减少确认偏差的正则技术。这一点就很令人惊讶了，伪标签技术的方法超过了一致性正则的方法。还没看原文，应该是还没有出现FixMatch和FlexMatch方法。
生成可信的反事实和半事实解释补充代码：2021年我们AAAI论文的补充代码
02-17
关于深入学习补充代码的可行的反事实和半事实解释 此回购用于AAAI-2021上的论文“关于为深度学习生成Plausilbe反事实和半事实解释”。 论文链接在这里 ?????? 不幸的是，当我进行实验（大约一年前）时，我原来的环境已经消失了。 我试图重新创建它，但是似乎在过去的一年中，由于超出了我的控制范围，因此无法在具有单个环境的单个脚本中准确地重新创建结果。 但是，我在这里包含了所有代码，以便于轻松再现某些结果。 请运行以下命令以具有兼容的环境。 python3 -m venv myenv源myenv / bin / activate pip install ipykernel python -m ipykernel install --user --name = myenv 这将设置一个可与jupyter笔记本一起运行的环境，并将该环境导入到笔记本的可用内核中。 要求pip
mtcnn人脸检测_「人脸检测系列」mtcnn 算法中的 偏移量分析
weixin_39912984的博客
12-05 372
最近小编在后台收到一名同学的留言，她问“在前向推理过程中，mtcnn中的偏移量是如何用到的，我想对于初学者而言，也仅能跑跑代码，看一下效果，但对于一些原理性的东西，理解的不是很透彻，今天，小编就带大家来看一下，mtcnn中的偏移量是如何使用的。首先看一下mtcnn中的偏移量。还要从训练数据的准备开始，这里我截取了github上start比较多的项目来看的(项目地址：https://github.c...
【AAAI 2021】全部接受论文列表（二）
yinizhilianlove的博客
01-14 6934
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2021-01-14 马上春节了，疫情又卷土而来，希望大家注意防护，爱护自己的身体 AAAI 2021论文接收情况   人工智能顶级会议AAAI 2021 已经给出接收论文列表，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。单从数量上看，也比去年多了101篇。本届 AAAI 2021已经是第35 届会议了。据 AAAI 2021官方网站，这个 2021年首个人工智能顶会将全.
机器视觉表面缺陷检测综述
热门推荐
u013912006的博客
01-02 12万+
转自：http://www.cjig.cn/html/jig/2017/12/20171202.htm#b22 机器视觉表面缺陷检测综述 《中国图像图形学报》 Tang B, Kong J Y, Wu S Q . Review of surface defect detection based on machine vision[J]. Journal of Image an
【ACL2021】主会571篇长文分类最全汇总
zenRRan的博客
07-08 4371
点击下面卡片，关注我呀，每天给你送来AI技术干货！作者｜唐天一机构｜中国人民大学高瓴人工智能学院导师｜赵鑫教授方向 | 自然语言处理来自 |RUC AI Box导读ACL-IJCNLP ...
AAAI2021论文列表（中英对照）
dovings的博客
07-04 1万+
AAAI2021论文列表（中英对照）
2020年 ICLR 国际会议最终接受论文(poster-paper)列表(三)
yinizhilianlove的博客
02-21 4万+
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21     2020年的ICLR会议将于今年的4月26日-4月30日在Millennium Hall, Addis Ababa ETHIOPIA（埃塞俄比亚首都亚的斯亚贝巴 千禧大厅）举行。     2020年ICLR会议（Eighth International Con...
ACL2022赶会必备，拿来即用之Abstract和Related Work
zenRRan的博客
10-16 944
每天给你送来NLP技术干货！© 作者｜刘沛羽机构｜中国人民大学高瓴人工智能学院研究方向｜自然语言处理，模型压缩来自 |RUC AI Box导读：ACL 是计算语言学和自然语言处理领域顶级...
【LLM+错误信息检测】DELL: Generating Reactions and Explanations for LLM-Based Misinformation Detection
Arachis_X的博客
03-12 950
大型语言模型受限于事实性和幻觉方面的挑战，无法直接用于判断新闻文章的真实性，而事实准确性是最重要的。在这项工作中，我们提出了DELLLLM 可以生成新闻反应，以代表不同的观点，并模拟用户与新闻的交互网络；LLM 可以生成代理任务（如情感、立场）的解释，以丰富新闻文章的上下文，并产生专门从事新闻理解各个方面的专家；LLM 可以合并特定任务的专家，并通过合并不同专家的预测和置信度分数来提供整体预测。
周读论文系列笔记(2)-reivew-A survey on Deep Learning in Medical Image Analysis
不行不至
12-29 6032
刚接触这个领域…不怎么会写…有些翻译错和理解错的地方请大佬们多多指教~ 原文链接： 文章目录1.Deep learning methods2.Deep learning uses in medical imaging2.1 Classification 分类2.1.1 Image/exam classification （图像/exam 分类）2.1.2 Object or lesion cl...
【零样本学习】Feature Generating Networks for Zero-Shot Learning
x124612的博客
09-23 2436
Abstract 由于seen class和unseen class训练数据的极度不平衡，现有的ZSL方法在GZSL任务上性能很差。我们提出基于GAN框架，利用语义信息来生成CNN特征。我们的方法利用Wasserstein GAN和分类损失，生成判别性强的CNN特征，来训练分类器（softmax classifiers or multimodal embedding method）。 Contri...
鱼类识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
2301_78372746的博客
11-24 1188
鱼类识别系统，基于TensorFlow搭建卷积神经网络算法，通过收集了包括‘墨鱼’、‘多宝鱼’、‘带鱼’、‘石斑鱼’等在内的30种鱼类图像数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。
基于Matlab的交通设施识别：从理论到实践
2503_94165661的博客
11-22 910
1-85 基于Matlab的交通设施识别基于Matlab的交通设施识别。GUI设计+图像处理 基于数字图像处理，设计实现一个自然场景下公路交通限速标志分割和识别的程序。要求系统具有界面，并实现以下功能： 1）读入自然场景下包含交通标志的图像；2）对图像进行预处理；3）限速交通标志的分割；4）交通标志区域的定位。5）对限速标志中的数字进行分离和识别。具有完整试验文档。数据可更换自己的，程序已调通，可直接运行。在智能交通系统（ITS）日益发展的今天，交通设施识别是其中关键的一环。
MixFormer: A Mixed CNN–Transformer Backbone
最新发布
2401_87277167的博客
11-25 596
​ 尽管基于自注意力机制的Transformer模型近年来通过建模长程语义依赖关系推动了医学影像分析的发展，但其在捕捉局部空间细节方面的能力仍逊于卷积神经网络（CNN）。本研究提出了一种新型分割网络（SEG），其核心是基于CNN-Transformer混合架构（MixFormer）的特征提取主干网络，旨在提升医学图像分割性能。MixFormer在网络下采样过程中有机融合了Transformer的全局信息建模能力和CNN的局部特征提取优势。
深度学习日记2025.11.20
leiming6的博客
11-20 585
在深度学习里通常指：。它是衡量的指标，比参数量更能反映“推理时到底要算多少”。
深度学习理论与实战：MNIST 手写数字分类实战
2501_92613722的博客
11-25 525
本文介绍了使用深层神经网络进行MNIST手写数字分类的完整流程。首先讲解了多分类问题的核心工具：Softmax函数将网络输出转换为概率分布，交叉熵损失衡量预测准确性。接着详细说明MNIST数据集的预处理方法，包括标准化和拉平处理。然后通过PyTorch搭建4层全连接网络，使用ReLU激活函数解决梯度消失问题，并展示了训练过程的关键代码。最后指出通过调整网络层数、激活函数等参数可以进一步优化模型性能，为后续学习更复杂网络结构奠定基础。
Python模型优化实战：深度学习加速与压缩技巧
我是 二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~
11-21 1950
Python模型优化实战：深度学习加速与压缩技巧
-- Looking for pthread.h -- Looking for pthread.h - found -- Performing Test CMAKE_HAVE_LIBC_PTHREAD -- Performing Test CMAKE_HAVE_LIBC_PTHREAD - Success -- Found Threads: TRUE -- Found OpenSSL: /usr/local/arm-openssl/lib/libcrypto.a (found version "1.1.1w") -- WITH_DLT = OFF -- Could NOT find cJSON (missing: CJSON_INCLUDE_DIR CJSON_LIBRARY) -- Optional dependency cJSON not found. Some features will be disabled. -- Looking for getaddrinfo_a in anl -- Looking for getaddrinfo_a in anl - found -- Configuring done -- Generating done CMake Warning: Manually-specified variables were not used by the project: CMAKE_TOOLCHAIN_FILE -- Build files have been written to: /home/thn/mosquitto/build-arm
08-06
你提供的这段 CMake 输出信息是 **Mosquitto 项目配置阶段的输出日志**，它表明 CMake 正在为交叉编译 Mosquitto 做准备。虽然没有出现致命错误，但有一些 **警告和提示信息** 需要关注，特别是关于 `CJSON` 和 `CMAKE_TOOLCHAIN_FILE` 的使用。 --- ## 🔍 日志逐条分析 ### ✅ 成功部分： ```bash -- Looking for pthread.h - found -- Performing Test CMAKE_HAVE_LIBC_PTHREAD - Success -- Found Threads: TRUE ``` - 表示系统找到了 `pthread.h`，并且支持 POSIX 线程库，这对于 Mosquitto 是必需的。 --- ```bash -- Found OpenSSL: /usr/local/arm-openssl/lib/libcrypto.a (found version "1.1.1w") ``` - 表示 CMake 成功找到了你之前交叉编译安装的 OpenSSL 库（版本 1.1.1w），并且使用了静态库 `libcrypto.a`。 --- ```bash -- Could NOT find cJSON (missing: CJSON_INCLUDE_DIR CJSON_LIBRARY) -- Optional dependency cJSON not found. Some features will be disabled. ``` - Mosquitto 支持通过 `cJSON` 库解析 JSON 格式的消息或配置（如桥接配置、WebSockets 插件等）。 - 如果找不到 `cJSON`，则这些功能将被禁用。 - 如果你不需要这些功能，可以忽略；否则，你需要安装或交叉编译 `cJSON`。 --- ```bash -- Looking for getaddrinfo_a in anl - found ``` - 表示系统支持异步 DNS 解析（`getaddrinfo_a`），这可以提高网络连接性能。 --- ### ⚠️ 警告部分： ```bash CMake Warning: Manually-specified variables were not used by the project: CMAKE_TOOLCHAIN_FILE ``` - 你可能在命令行中使用了 `-DCMAKE_TOOLCHAIN_FILE=...` 来指定交叉编译工具链文件，但这个变量 **没有被使用**。 - 这通常是因为： 1. 工具链文件内容不正确； 2. CMake 没有在 `project()` 或 `enable_language()` 之前就加载工具链； 3. 项目本身没有正确使用交叉编译配置。 --- ## ✅ 正确的交叉编译 Mosquitto 的流程 确保你已经交叉编译并安装了 OpenSSL（如 `/usr/local/arm-openssl`）。 ### 1. 编写工具链文件 `toolchain-arm.cmake` ```cmake # toolchain-arm.cmake set(CMAKE_SYSTEM_NAME Linux) set(CMAKE_SYSTEM_PROCESSOR arm) set(CMAKE_C_COMPILER arm-linux-gnueabihf-gcc) set(CMAKE_CXX_COMPILER arm-linux-gnueabihf-g++) set(CMAKE_FIND_ROOT_PATH /usr/local/arm-openssl) set(CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER) set(CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY) set(CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY) set(CMAKE_FIND_ROOT_PATH_MODE_PACKAGE ONLY) set(OPENSSL_ROOT_DIR /usr/local/arm-openssl) set(OPENSSL_CRYPTO_LIBRARY /usr/local/arm-openssl/lib/libcrypto.a) set(OPENSSL_SSL_LIBRARY /usr/local/arm-openssl/lib/libssl.a) set(OPENSSL_INCLUDE_DIR /usr/local/arm-openssl/include) ``` ### 2. 配置并编译 Mosquitto ```bash cd mosquitto mkdir -p build-arm cd build-arm cmake -DCMAKE_TOOLCHAIN_FILE=../toolchain-arm.cmake .. make -j$(nproc) ``` --- ## 🧠 补充说明 | 项目 | 说明 | |------|------| | `cJSON` | 可选依赖，用于 JSON 解析功能（如 WebSockets、桥接插件） | | `CMAKE_TOOLCHAIN_FILE` | 必须在 `project()` 之前被加载，否则不会生效 | | `OPENSSL_ROOT_DIR` | 显式告诉 CMake 使用你交叉编译的 OpenSSL | --- ##
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值