1 个仓库
Applying explainability and attribution techniques across multiple vision tasks including classification, detection, and segmentation.
Distinct from Multi-Task Vision Training: Focuses on explaining models that perform multiple tasks, not the training of multi-task models.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Multi-Task Vision Explainability. Refine with filters or upvote what's useful.
该项目是一个用于 PyTorch 的计算机视觉可解释 AI 库和框架,提供了一套工具来可视化和审计深度神经网络的内部决策过程。它作为一个神经网络归因工具和调试实用程序,用于识别哪些图像区域驱动了模型预测。 该库以其对基于梯度和无梯度归因方法的支持而著称,允许在无需修改原始模型源代码的情况下生成视觉热力图和归因图。它通过视觉概念发现进一步脱颖而出,使用矩阵分解将内部激活分解为可解释的模式,并将潜在嵌入映射到像素重要性。 该框架涵盖了广泛的能力,包括热力图生成和细化、针对视觉 Transformer 等架构的空间转换,以及针对目标检测和语义分割等多任务视觉目标的适配。它还包括一个模型保真度评估套件,采用扰动分析、消融研究和定位测量来量化生成解释的忠实度。 该项目提供了用于动态激活钩子、自定义架构适配和目标驱动目标配置的机制,以将可解释性工具连接到各种模型输出。
Adapts explainability and attribution techniques across diverse tasks including image classification, object detection, and semantic segmentation.