从概念上失败:基于概念的数据集转换说明 描述 尽管机器学习技术在广泛的视觉任务中表现出色,但它们通常会屈服于数据分布的变化。 因此,最近的一系列工作探索了检测这些偏移的技术。 不幸的是,当前的技术没有提供关于触发移位检测的解释,因此限制了其实用性以提供可行的见解。 在这项工作中,我们现有的C oncept乙ottleneck小号HIFT d etection(CBSD):一种新颖的可解释的偏移检测方法。 CBSD通过识别和排列高级人类可理解的概念受转变影响的程度来提供解释。 通过使用两个案例研究( dSprites和3dshapes ),我们展示了CBSD如何能够准确地检测受班次影响的基本概念,并与最新的班次检测方法相比,实现更高的检测精度。 该存储库包含系统的源代码和实验结果。 注意事项: 核心相关工作包括 , , , 。 管道 我们的班次检测管道包括四个步骤: 源数