Transferencia de aprendizaje con VGG16 para la evaluación del algoritmo de explicación de IA LIME
Date
2023-08
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"Las aplicaciones de visión artificial son uno de los ejemplos del éxito de las técnicas de aprendizaje profundo, las cuales pertenecen al campo de la Inteligencia Artificial (IA). En particular, las Redes Neuronales Convolucionales Profundas (DCNN por sus siglas en inglés) han demostrado un notable desempeño en la clasificación de imágenes y visión artificial. Sin embargo, en la actualidad el claro entendimiento de estos modelos por parte de usuarios y diseñadores sigue siendo una de las barreras para la implementación de la IA. Una herramienta para obtener cierta explicabilidad de un modelo DCNN es LIME (Explicaciones Independientes de Modelo Interpretables de Forma Local, por sus siglas del inglés), el cual consiste en perturbar la entrada de un sistema de clasificación para observar cómo cambia su predicción. En este proyecto de investigación se realiza un análisis del comportamiento del algoritmo LIME en una tarea simple de clasificación basado en imágenes naturales. Además, se desarrolló una interfaz web que, dada una imagen, muestre el resultado del clasificador y de LIME, lo cual permite a los usuarios analizar diferentes tipos de imágenes y observar la congruencia de la explicación de LIME con respecto a la manera en que los humanos explicaríamos dicha clasificación."
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading