Sunzil Khandaker’ın görüntü modelleriyle yaptığı karşılaştırmada, açıklama haritasındaki çöküşün bir bölümü katman seçimine bağlandı. Uzamsal bilgi taşıyan katmanlar seçilince 3.240 karşılaştırmada bu sorun görülmedi; sıkıştırmanın sonrasındaki farklılıklar ise sürdü. Kalibrasyon ve eğitim tercihleri de mimarilere göre farklı sonuç verdi. Çalışma, model sıkıştırılırken açıklamaların hangi aşamalarda değiştiğini ortaya koyuyor.
Sunzil Khandaker’ın sıkıştırılmış görüntü modelleriyle yaptığı karşılaştırmada, açıklama aracının beslendiği katmanın seçiminde sorun bulundu. Üç mimaride kullanılan kestirme yöntem, uzamsal boyutu 1×1 olan temsili seçti. Bazı koşullarda görünürde açıklama çöküşü yüzde 61,7’ye ulaştı. Mimariye uygun uzamsal katman seçildiğinde, 3.240 eşleştirilmiş karşılaştırmada bu çöküş görülmedi.[1]
Deneyde EfficientNetV2-S, ResNet50 ve MobileNetV3-Large, bitki hastalığı görüntülerini içeren Paddy Disease veri kümesinden seçilmiş 320 görüntüyle karşılaştırıldı. Sınıflar dengeli temsil edildi. Sınıflandırmayla bağlantılı görüntü bölgelerini belirleyen dört açıklama yöntemi sınandı. Katman seçimi düzeltildikten sonra önemli bölgelerin örtüşmesi en düşük 0.366, en yüksek 0.790 oldu. Rastgele karşılaştırmanın değeri 0.081’di. Integrated Gradients haritaları en az korunan yöntem, MobileNetV3-Large en fazla etkilenen mimari oldu.[1]
Model çalıştırma sistemi ONNX Runtime ile yapılan deneyde, dönüşüm sırasında sayısal aralıkları belirleyen kalibrasyon da sonucu değiştirdi. EfficientNet ve MobileNet için MinMax tahmin uyumu 0.644 ve 0.641 oldu. Yüzdelik temelli kalibrasyonda değerler 0.927 ve 0.915’e çıktı. Öğretmen ve öğrenci açıklama haritalarını yakınlaştıran eğitim, MobileNet’te örtüşmeyi artırdı, EfficientNet’te azalttı. Hakemli sürüm, önceki 20 görüntülük değerlendirmeyi 320 görüntüye genişletti.[1]
