ترجمه فارسی مقاله تقطیر دانش تطبیقی ​​برای طبقه بندی تصاویر دست با استفاده از ترانسفورماتورهای دید قابل توضیح

چکیده

Assessing the forensic value of hand images involves the use of unique features and patterns present in an individual’s hand. The human hand has distinct characteristics, such as the pattern of veins, fingerprints, and the geometry of the hand itself. This paper investigates the use of vision transformers (ViTs) for classification of hand images. We use explainability tools to explore the internal representations of ViTs and assess their impact on the model outputs. Utilizing the internal understanding of ViTs, we introduce distillation methods that allow a student model to adaptively extract knowledge from a teacher model while learning on data of a different domain to prevent catastrophic forgetting. Two publicly available hand image datasets are used to conduct a series of experiments to evaluate performance of the ViTs and our proposed adaptive distillation methods. The experimental results demonstrate that ViT models significantly outperform traditional machine learning methods and the internal states of ViTs are useful for explaining the model outputs in the classification task. By averting catastrophic forgetting, our distillation methods achieve excellent performance on data from both source and target domains, particularly when these two domains exhibit significant dissimilarity. The proposed approaches therefore can be developed and implemented effectively for real-world applications such as access control, identity verification, and authentication systems.

چکیده به فارسی (ترجمه ماشینی)

ارزیابی ارزش پزشکی قانونی تصاویر دست شامل استفاده از ویژگی ها و الگوهای منحصر به فرد موجود در دست یک فرد است.دست انسان از خصوصیات متمایز مانند الگوی رگه ها ، اثر انگشت و هندسه خود دست دارد.در این مقاله به بررسی استفاده از ترانسفورماتورهای بینایی (VITS) برای طبقه بندی تصاویر دست می پردازیم.ما از ابزارهای توضیح برای کشف بازنمایی های داخلی VITS و ارزیابی تأثیر آنها بر روی خروجی های مدل استفاده می کنیم.با استفاده از درک داخلی VITS ، ما روشهای تقطیر را معرفی می کنیم که به یک مدل دانشجویی اجازه می دهد تا ضمن یادگیری اطلاعات مربوط به حوزه های مختلف ، دانش را از یک مدل معلم استخراج کند تا از فراموشی فاجعه آمیز جلوگیری کند.دو مجموعه داده تصویر دست در دسترس عموم برای انجام یک سری آزمایشات برای ارزیابی عملکرد VITS و روشهای تقطیر تطبیقی ​​پیشنهادی ما استفاده می شود.نتایج تجربی نشان می دهد که مدلهای VIT به طور قابل توجهی از روشهای یادگیری ماشین سنتی بهتر عمل می کنند و حالتهای داخلی VITS برای توضیح خروجی های مدل در کار طبقه بندی مفید است.با جلوگیری از فراموشی فاجعه بار ، روشهای تقطیر ما به عملکرد عالی در داده های حوزه منبع و هدف می رسند ، به ویژه هنگامی که این دو حوزه از نظر تفاوت قابل توجهی نشان می دهند.بنابراین رویکردهای پیشنهادی می توانند برای برنامه های دنیای واقعی مانند کنترل دسترسی ، تأیید هویت و سیستم های احراز هویت به طور مؤثر تدوین و اجرا شوند.