day61——自我检讨

自我检讨

自2022年12月15号从学校回家至今，一篇论文没看，已经“休息”了整整一个月了，这段时间一直沉浸在游戏和吃吃吃吃中，借着新冠的名义逃避自己本应该完成的学习进度，这是可耻的，但也是快乐的。可我深知这样的快乐并不真实，每晚回想起来脑子空空，今天这波枪没对过，进圈路线不行…这些事情本不该是影响我睡眠的原因，而我一直没找到准确的研究方向而经常失眠，就是这接近一个半月的拖延和懒惰造成的。
所以，从今天从现在开始，我要重整旗鼓，从读论文出发，坚持每天学习，回到刚进校的状态，真正的高效率的完成学习，最终在寒假前找出自己的研究方向！冲冲冲！

今天看的论文是

目标检测模型的决策依据与可信度分析

目标检测模型已经在很多领域得到广泛应用, 但是, 作为一种机器学习模型, 对人类来说仍然是一个黑盒.
对模型进行解释有助于我们更好地理解模型, 并判断其可信度. 针对目标检测模型的可解释性问题, 提出将其输出
改造为关注每一类物体存在性概率的具体回归问题, 进而提出分析目标检测模型决策依据与可信度的方法. 由于
原有图像分割方法的泛用性较差, 解释目标检测模型时, LIME 所生成解释的忠诚度较低、有效特征数量较少. 提
出使用 DeepLab 代替 LIME 的图像分割方法, 以对其进行改进. 改进后的方法可以适用于解释目标检测模型. 实验
的对比结果证明了所提出改进方法在解释目标检测模型时的优越性.
关键词: 可解释性; 可信度分析; 目标检测; 机器学习; 深度学习