سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

ساختار مفهومی و پروتکل ارزیابی برای تحلیل و مقایسه‌ی روش‌های تفسیرپذیری مبدل‌های بینایی (ViT)

نویسندگان :

نفیسه ارفعی¹ حمید رستگاری²

1- دانشگاه آزاد اسلامی واحد نجف‌آباد 2- دانشگاه آزاد اسلامی واحد نجف‌آباد

کلمات کلیدی :

هوش مصنوعی تفسیرپذیر،مبدل‌های بینایی،اخلال‌محور،مفهوم‌محور،تحلیل بازنمایی،گرادیانی/انتساب،هزینه‌ی محاسباتی

چکیده :

مبدل‌های بینایی به‌عنوان یکی از معماری‌های نوین در بینایی ماشین، تصویر را به دنباله‌ای از پچ‌ها تبدیل کرده و با بهره‌گیری از سازوکار توجه، وابستگی‌های بلندبرد را مدل‌سازی می‌کنند. در سال‌های اخیر، مبدل‌های بینایی در کاربردهای صنعتی و پزشکی به‌کار گرفته شده‌اند؛ از سامانه‌های بازرسی خودکار و کنترل کیفیت گرفته تا تحلیل تصاویر پزشکی. در این حوزه‌های حساس، تنها دقت بالا کافی نیست و تفسیرتصمیم‌های مدل برای متخصصان هر حوزه به یک ضرورت اساسی تبدیل شده است. با وجود موفقیت‌های بسیار در معماری‌های مبدل بینایی، ساختار غیرمحلی، چندلایه و مبتنی بر توجه، فهم سازوکار درونی تصمیم‌گیری آنها را دشوار می‌کند. همچنین ادبیات تفسیرپذیری موجود با چالش‌هایی مانند پراکندگی روش‌ها، تنوع منابع استخراج تفسیر و نبود یک ساختار مفهومی و پروتکل ارزیابی یکپارچه روبه‌رو است. برای پاسخ به این چالش‌ها، این مقاله یک ساختار مفهومی برای سامان‌دهی و مقایسه‌ی روش‌های تفسیر مبدل‌های بینایی و یک پروتکل ارزیابی برای راهنمایی ارزیابی تجربی در مطالعات آتی ارائه می‌دهد. یافته‌های این مرور نشان می‌دهد که هیچ خانواده‌ای از روش‌های تفسیر به‌تنهایی قادر به پوشش هم‌زمان ابعاد وفاداری علّی، خوانایی انسانی و هزینه‌ی محاسباتی نیست و تنها ترکیب آگاهانه‌ی روش‌های مکمل می‌تواند به تعادلی پایدار میان این معیارها دست یابد.