.png){kind=icon}
返回
Enhancing concept-based image classification via knowledge reasoning
.png){kind=icon}
OA
AI
DOI：10.1016/j.knosys.2026.115509.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习在监督式图像分类领域取得了巨大进展。然而，该领域持续存在的挑战是需要更好的可解释性。这对于建立信任、排除故障以及确保合规性至关重要，最终将促进更负责任且高效的AI应用。为应对这一挑战，我们基于概念开发了一种深度学习框架，这是一种旨在提升可解释性的最新方法，尽管其对图像分类性能的关注较少。我们的创新之处在于整合了一个特定的知识图谱作为推理工具。该方法利用概念与类别之间的相互依存关系来提升基于概念模型的性能，实现了可解释性与效率之间的平衡。合成数据和真实数据的结果验证了我们的方法在平衡效率与可解释性方面的有效性。此外，我们的模型支持人类在测试时进行干预，以在纳入新的专家反馈后更新其最终预测。实验表明，分类和概念效率均显著提升。
Keyword:
Deep learning
Image classification
Rules
Knowledge graph
Explainable AI
Concept-based XAI
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
.png){kind=icon}
查看更多内容