- 1、本文档共11页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
置信度过滤相关性(CFR):一种用于卫星影像自然
度评估的可解释性和不确定性感知机器学习框架
AhmedEmam[0009-0001-8371-3414]
andRibanaRoscher[0000-0003-0094-6210]
UniversityofBonn,Bonn53113,Germany
aemam@uni-bonn.de
ForschungszentrumJülich,52425Jülich,Germany
r.roscher@fz-juelich.de
本
译摘要受保护的自然区域在生态平衡和生态系统服务中起着至关重要的作
中用。利用卫星图像和机器学习大规模监测这些地区颇具前景,但目前的方
法通常缺乏可解释性和不确定性意识,并且没有解决不确定性如何影响自
1
v然性评估的问题。相比之下,我们提出了置信度过滤相关性(CFR),这是
4一个数据为中心的框架,结合了LRP注意力展开与深度确定性不确定性
3
0(DDU)估计来分析模型不确定性如何影响相关性热图的可解释性。CFR
3根据不确定性阈值将数据集划分为子集,使得能够系统地分析不确定性如
1.何塑造卫星图像中自然性的解释。应用于AnthroProtect数据集时,CFR
7为灌木丛、森林和湿地分配了更高的相关性,这与其他关于自然性评估的
0
5研究一致。此外,我们的分析表明,随着不确定性的增加,这些相关性热
2图的可解释性下降且熵值增大,这意味着更不具选择性和更具模糊性的归
:
v因。CFR提供了一种数据为中心的方法,基于与其相关的确定性来评估卫
i
x星图像中模式与自然性之间的相关性。
r
a
Keywords:可解释机器学习(XAI)·不确定性量化
1介绍
人类影响最小的区域对于生态平衡、生物多样性和生态系统服务(如水
资源调节和授粉)至关重要[20,4]。这些景观还提供了文化和教育价值,强
调了保护和管理它们的重要性[3]。卫星遥感使大规模监测此类地区成为可
能,提供高分辨率的可重复观测。然而,从卫星数据评估自然性具有挑战性,
因为人类影响通常逐渐发生,并且传统的分类方法可能会过度简化自然区域
与改造区域之间的连续体[22,9]。
2A.Emametal.
机器学习(ML),特别是卷积神经网络(CNNs)和视觉变换器(ViTs),
增强了从卫星图像中建模复杂空间模式的能力[19,15]。尽管它们功能强大,
许多ML模型缺乏可解释性和不确定性估计。没有这些,预测可能依赖于虚
假的相关性并且无法泛化,在高风险的生态应用中引发担忧[14,12]。
我们提出了框架置信度过滤相关性(CFR),该框架集成了层相关传播
(LRP)注意力展开[5]与深度确定性不确定性估计(DDU)[17],以通过置
信度对模型解释进行分层。CFR并非将所有预测同等对待,而是揭示了在不
同置信水平下相关性的变化。
文档评论(0)