Interpretable zero-shot classification with concept bottleneck models
Kavram dar boğazı modelleriyle yorumlanabilir sıfır örnekli sınıflandırma
- Tez No: 972043
- Danışmanlar: DOÇ. DR. EMRE AKBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kavram Darboğaz Modelleri (CBM'ler), tahminlerde bulunmadan önce insan tarafından anlaşılabilir kavramlar oluşturarak, sinir ağlarının yorumlanabilirliğini iyileştirmede umut verici sonuçlar göstermiştir. Mevcut yaklaşımlar, yorumlanabilir sınıflandırma sonuçları elde etmek için Kavram Darboğaz Modelleri ile birlikte ardıl sınıflandırıcıları ortak şekilde eğitmeye odaklanmakta; ancak bu yöntemler, görülmemiş sınıflara genelleme yapmakta zorlanmaktadır. Bu çalışmada, Sıfır Örnekli Kavram Darboğaz Modelleri (ZS-CBM'ler) adlı yeni bir yaklaşım öneriyoruz. Bu yaklaşım, yorumlanabilir açık kelime dağarcıklı tanıma imkânı sunar. Önerdiğimiz yöntemler, önceden eğitilmiş görsel-dil modellerinden yararlanarak verilen görsel ve metin girdileriyle ilişkili nitelikleri tanımlar ve bu girdileri ortak bir kavram uzayına yansıtır. Bu sayede, model kararlarına yorumlanabilir gerekçeler sunarken, görülmemiş sınıfların sıfır örnekli sınıflandırılması mümkün hale gelir. Önerilen yaklaşımların doğruluk ve yorumlanabilirlik performansı, CIFAR-100, CUB-200-2011, CC3M ve ImageNet-100 gibi yaygın olarak kullanılan veri kümeleri üzerinde değerlendirilmiştir.
Özet (Çeviri)
Concept Bottleneck Models (CBMs) have shown promise in improving the interpretability of neural networks by generating intermediate, human-understandable concepts before making predictions. Existing approaches focus on training downstream classifiers jointly with CBMs to produce interpretable classification results, but they often struggle to generalize to unseen classes. In this work, we propose Zero-shot Concept Bottleneck Models (ZS-CBMs), which enable interpretable open-vocabulary recognition. Our methods leverage pre-trained vision-language models to identify attributes related to given image and text inputs and project these inputs into a shared concept space. This allows for zero-shot classification of unseen classes while providing interpretable justifications for model decisions. The accuracy and interpretability of the proposed approaches are evaluated on widely used datasets, including CIFAR-100, CUB-200-2011, CC3M, and ImageNet-100.
Benzer Tezler
- Object detection with minimal supervision
Asgari denetim ile nesne tespiti
BERKAN DEMİREL
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ
DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Augmenting clip-based few shot recognition using shapes and concepts
Şekiller ve kavramlar kullanarak clip tabanlı az örnekli tanımayı geliştirme
ERCE GÜDER
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE AKBAŞ
- Generative reward models for formal theorem proving: Methods, benchmarks, and tree search integration
Biçimsel teorem ispatlama için üretken ödül modelleri: Metotlar, denektaşları ve ağaç yapılı arama entegrasyonu
ZEYNEL ABİDİN ULUŞAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖZDE GÜL ŞAHİN
- Lmm-iqa: image quality assessment for low-dose ct imaging
Lmm-ıqa: düşük dozlu bt görüntülerinde görüntü kalitesi değerlendirmesi
KAĞAN ÇELİK
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Fact extraction and verification pipeline for COVID-19 related user posts in social media
COVID-19 ile ilgili sosyal medya gönderilerinde önerme çıkarma ve doğrulama model hattı
ORKUN TEMİZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. TUĞBA TAŞKAYA TEMİZEL