Argumentirano strojno učenje za klasifikacijo slikKrižnar, Anton (Avtor) Žabkar, Jure (Mentor) argumentirano strojno učenjekonvolucijske nevronske mrežeklasifikacija slikArgumentirano strojno učenje (ABML) (angl. argument based machine learning) je razširitev metod strojnega učenja, kjer s podajanjem argumentov pri napačno klasificiranih primerih dodajamo znanje domenskega strokovnjaka. ABML običajno razširja metode, ki se učijo klasifikacijska pravila. Sodobne metode za nalogo klasifikacije slik uporabljajo konvolucijske nevronske mreže (CNN) (angl. convolutional neural network), ki jih nadgrajujemo s principi ABML. Glavni izziv je vključevanje principov ABML v model globokega strojnega učenja, saj so ti modeli težko razložljivi. Za razlago modelov CNN je primerna tehnika pridobivanja aktivacijske slike razreda (CAM) (ang. class activation mapping). Težko razložljivo pa je tudi domensko znanje za klasifikacijo slik. Argumente domenskega strokovnjaka lahko zajamemo kot točke na sliki. S primerjavo slik CAM in formalnih argumentov lahko v model vključimo domensko znanje. Oznake za konstrukcijo argumentov so bile zajete z razvitim programom in računalniško miško. Analiza delovanja razvitega modela je narejena na umetnih slikah likov. Pokazali smo, da z uporabo ABML za klasifikacijo slik lahko izboljšamo uspešnost modela tudi z različnimi vrstami argumentov.20242024-09-09 15:15:00Diplomsko delo/naloga161309sl