80、图像分类与并行计算技术的研究与进展

图像分类与并行计算技术的研究与进展

1. PRISM 图像分类技术探索

1.1 动物图像特征融合实验

为了验证假设，研究人员进行了一项有趣的实验：将郊狼的眼睛融合到狼的图像中，反之亦然。从实验结果图 8 可以明显看出，分类结果发生了显著变化。虽然最可能的类别仍然是对应的动物，但第二猜测正是研究人员试图诱导的类别。同时，对第一类别的置信度大幅下降，而对第二类别的置信度相对上升。研究人员推测，如果采用更复杂的融合方法而非简单的粘贴，可能会得到更好的结果。

1.2 与 GradCAM 方法对比

在探讨基本的 GradCAM 是否能引导出类似的推理路径时，研究人员对原始图像进行处理并生成 GradCAM 输出。从图 9 可以看出，GradCAM 的输出难以解释，这使得生成类似的对抗攻击变得更加困难。

1.3 PRISM 聚类实用程序

PRISM 通常主要用于手动检查可疑类别，但如果与聚类技术（如自组织映射 SOM）结合使用，它也可用于检测模糊类别。研究人员选取了 5 种犬科动物类别进行聚类实验，具体如下：
- 郊狼（橙色）
- 灰狐（红色）
- 森林狼（绿色）
- 萨摩耶犬（紫色）
- 边境牧羊犬（蓝色）

将 PRISM 生成的表示用作 SOM 聚类的特征向量，由于 PRISM 生成的是实域值用于着色，所以需要对颜色进行量化，以减少可能的色调数量。从图 10 的聚类结果可以得出，郊狼很容易与森林狼和灰狐混淆，而萨摩耶犬和边境牧羊犬则与其他类别区分明显。

1.4 PRISM 方法总结

PRISM 方法在卷积