审计发现CUB标注噪声削弱概念瓶颈模型准确率

Sascha Saralajew 等作者提交的审计研究指出，概念瓶颈模型（CBM）和概念嵌入模型（CEM）在 CUB-200-2011 数据集上的准确率来源存在问题：CUB 的类级训练标签与逐图概念标注仅在约 82% 的图像-概念对上一致，标注噪声过大。 基于逐图标注训练的分类器，其物种准确率仅约 37%。这一结果对上述模型在该数据集上报告的高准确率构成质疑。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。