-
公开(公告)号：CN116822647B
公开(公告)日：2024-01-16
申请号：CN202310601252.9
申请日：2023-05-25
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于联邦学习的模型解释方法，属于人工智能视觉技术领域；本发明提出一种基于联邦学习的模型解释方法，在联邦学习环境下，数据仅保留在本地，保护数据隐私；同时本发明使用人们可以理解的概念来解释联邦学习模型的分类结果。客户端与服务器之间传输的是通过训练得到的每个类别中不同概念的得分，这只显示了不同概念对类别的重要性，并没有泄漏每个客户的数据，加强了隐私保护。
-
公开(公告)号：CN116822647A
公开(公告)日：2023-09-29
申请号：CN202310601252.9
申请日：2023-05-25
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于联邦学习的模型解释方法，属于人工智能视觉技术领域；本发明提出一种基于联邦学习的模型解释方法，在联邦学习环境下，数据仅保留在本地，保护数据隐私；同时本发明使用人们可以理解的概念来解释联邦学习模型的分类结果。客户端与服务器之间传输的是通过训练得到的每个类别中不同概念的得分，这只显示了不同概念对类别的重要性，并没有泄漏每个客户的数据，加强了隐私保护。
-
公开(公告)号：CN116580341A
公开(公告)日：2023-08-11
申请号：CN202310557492.3
申请日：2023-05-17
Applicant: 大连海事大学
IPC: G06V20/40
Abstract: 本发明提供一种基于超体素的动作质量评估模型的倾向性解释方法，包括：根据所述第i超体素的激活向量，所述第g个标签和所述第g个标签对应数值，计算所述第i超体素对所述第g个标签的敏感度分数；根据所述第i超体素对所述第g个标签的敏感度分数，计算所述第i超体素对所述动作质量评估模型的分数倾向性。通过将视频进行超体素分割，能够减少噪声对实验结果的影响并且易于理解；使用深度神经网络中的层间激活向量来表征每个超体素，再计算超体素对标签的敏感度分数，最后根据敏感度分数计算超体素对动作质量评估模型分数倾向性，从而更加直观的看出视频中的动作和背景信息给动作质量评估模型做出判断带来的影响。
-
-
Search Results
3
records
(took 0.015 seconds)
