Debugging image classification algorithms using human assisted feedback
İnsan yardımlı geri bildirim kullanarak resim sınıflandırma algoritmalarında hata ayıklama
- Tez No: 775111
- Danışmanlar: PROF. DR. GÖZDE AKAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görselleştirme, Hata ayıklama, Yapay zeka, Visualization, Debugging, Artificial intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sinir Ağı hata ayıklaması, öğrenilen parametreleri harici yardımla geliştirmeye çalışan, nispeten yeni ortaya çıkmış bir derin öğrenme alanıdır. Bu konuyu ele almada özellikle aktif olan iki akademik alan vardır: görsel analitik ve Açıklanabilir Yapay Zeka. Bu yöntemler bir sinir ağının nasıl yorumlanacağını iyileştirebilirken, sinir ağının doğruluğunu artırmak için bir insanın uzman görüşünü sağlayamaz. Dolayısıyla bu ağlar yorumlanırken istenmeyen çıktılara sahip olabilir. Örneğin, bazı sınıflara karşı önyargıları olabilir veya aşırı öğrenme nedeniyle etkili bir şekilde çalışmayabilirler. Bu tezde, bu sorunun üstesinden gelmek için iki adımlı bir yöntem öneriyoruz: (1) görselleştirme kullanarak özellik katkısını sunmak, (2) insanlardan geri bildirim almak ve alakasız veya çekişmeli özellikleri devre dışı bırakarak ağı yeniden eğitmek.
Özet (Çeviri)
Neural Network debugging is a relatively newly emerged field of deep learning which tries to improve upon learned parameters with external assistance. Two academic fields are particularly active in addressing this issue: the field of feature visualizations and explainable artificial intelligence. While these methods can improve how to interpret a neural network, they can not provide the expert opinion of a human to improve the accuracy of a neural network. Therefore, while being interpreted correctly, these networks can have undesired outputs. For instance, they may have biases against some classes or may not work effectively in the wild due to overfitting. In this thesis, we propose a method with two steps to tackle this problem: (1) presenting feature contribution using visualization, (2) taking feedback from humans, and retraining the network by disabling irrelevant or adversarial features.
Benzer Tezler
- Uzman sistemler ve ulaştırma alanında kullanımları
Expert systems and using them in transportation
A.BURAK GÖKTEPE
- Image-based malware family classification with deep learning and a new dataset
Yeni bir veri seti ve derin öğrenme modelleri ile görüntü tabanlı zararlı yazılım aile sınıflandırması
EMRE MUTLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DOÇ. DR. CİHANGİR TEZCAN
- Geri dönüştürülebilir atıkların derin öğrenme modelleri ile sınıflandırılması: Veri seti boyutunun etkisi üzerine bir karşılaştırma
Classification of recyclable wastes with deep learning models: A comparison on the effect of dataset size
GAMZE AĞIRTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR KAMAN
- Explainable deep learning for car image classification via concept bottleneck models
Kavramsal darboğaz modelleri ile açıklanabilir derin öğrenme tabanlı araba görüntü sınıflandırması
MUHAMMED ESAT MEMİŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH VEHBİ ÇELEBİ
DR. ÖĞR. ÜYESİ AYŞE KELEŞ
- FPGA üzerinde HYSA ve HYSA'ya özel öğrenme algoritmalarının birlikte gerçeklenmesi
Implementation of CNN and CNN specific learning algorithms on FPGA
ERDEM KÖSE
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN