Demonstration of MaskSearch: Efficiently Querying Image Masks for Machine Learning Workflows

我们展示了MaskSearch，这是一个旨在加速对由机器学习模型生成的图像掩模数据库的查询的系统。MaskSearch规范化并加速了一种新的查询类别，用于基于掩模属性检索图像及其相应的掩模，这支持各种应用，从识别模型学习到的虚假相关性到探索模型显著性和人类注意力之间的差异。这个演示做出了以下贡献：(1)引入MaskSearch的图形用户界面(GUI)，通过掩模属性实现交互式探索图像数据库，(2)让用户亲身体验在机器学习工作流中探索MaskSearch的能力和限制的机会，以及(3)让会议参与者了解MaskSearch如何加速对图像掩模的查询。

MaskSearch旨在加速机器学习模型生成的图像掩模数据库的查询，以便通过掩模属性检索图像及其对应的掩模。

MaskSearch是一种新的查询范畴，它通过掩模属性加速检索图像及其对应的掩模。MaskSearch的图形用户界面（GUI）使用户可以通过掩模属性交互式地探索图像数据库。

论文提供了MaskSearch的GUI，使用户可以交互式地探索图像数据库。此外，论文还提供了实验数据和开源代码。MaskSearch可以用于检测模型学习的虚假相关性，探索模型显著性和人类注意力之间的差异等应用。

最近的相关研究包括：1. DeepInsight：检测深度神经网络中的显著性偏差；2. Grad-CAM++：可视化和理解卷积神经网络的预测结果；3. CAMOU：一种面向掩模的图像检索系统。