Record #506760

DFG project G:(GEPRIS)448601360

Starke Konsistenzbedingungen für robustes, interpretierbares und generalisierbares maschinelles Sehen

Coordinator	Dr. Wieland Brendel
Grant period	2021 -
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)448601360

Note: Deep Learning ist das Arbeitspferd der heutigen Maschinenintelligenz, die zahlreiche Erfolgsgeschichten in Wissenschaft, Industrie und Gesellschaft hervorgebracht hat. Dieser rasche und weit verbreitete Erfolg hat jedoch vier schwerwiegende und grundlegende Probleme verdeckt, die Deep Learning auf vergleichsweise wenige, eng umrissene Anwendungsbereiche beschränken. Zum einen sind tiefe neuronale Netzwerke (DNNs) nicht robust und selbst kleine Eingangsstörungen wie JPEG-Artefakte oder nicht wahrnehmbares, aber sorgfältig konstruiertes Rauschen können ihr Verhalten grundlegend stören. Zweitens sind die Darstellungen von DNNs nicht interpretierbar und lassen sich nicht ohne weiteres mit für den Menschen verständlichen Konzepten in Beziehung setzen. Drittens lassen sich die Darstellungen von DNNs ohne zusätzliches überwachtes Lernen nicht gut in anderen Aufgaben oder Bereichen nutzen. Und schließlich haben wir nur ein geringes theoretisches Verständnis für die von DNNs erlernten Darstellungen, was die Lösung der oben genannten Probleme erschwert.Um in diesen Bereichen Fortschritte zu erzielen, schlage ich hier einen Satz von vier Konsistenzbedingungen vor, die die visuellen Darstellungen von DNNs erfüllen sollten. Diese Bedingungen bieten eine solide theoretische Grundlage für das Lernen unbeaufsichtigter Repräsentationen, die neue Wege zur Untersuchung und Verbesserung der Robustheit, Interpretierbarkeit und Generalisierung eröffnet. Durch die Ausrichtung auf diese grundlegenden Fragen des Deep Learning wird diese Arbeit die Unterschiede zwischen menschlicher und maschineller Bildverarbeitung verringern, die Zuverlässigkeit und Erklärbarkeit von DNNs erhöhen, die Methodenentwicklung beschleunigen und neue Anwendungsbereiche eröffnen.

Recent Publications

There are no publications

Record created 2023-01-19, last modified 2025-07-26

Similar records

Rate this document:

(Not yet reviewed)

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

guest :: login PUBDB
		Search		Submit		Personalize Your alerts Your baskets Your searches		Help