一种用于卷积神经网络的通用可视化方法
计算机视觉与模式识别
2020-07-21 v1
摘要
检索网络对于搜索与索引至关重要。相较于分类网络，检索网络的注意力可视化鲜有研究。我们将注意力可视化表述为一个约束优化问题。我们利用单元L2范数约束作为注意力滤波器（L2-CAF）来定位分类与检索网络中的注意力。与近期文献不同，我们的方法既不需架构改动也不需微调。因此，预训练网络的性能绝不会被削弱。L2-CAF使用弱监督目标定位进行了定量评估。在分类网络上取得了最先进（SOTA）结果。对于检索网络，相较Grad-CAM基线取得了显著的改进幅度。定性评估展示了L2-CAF如何为循环检索网络逐帧可视化注意力。进一步的消融研究突出了我们方法的计算代价并将L2-CAF与其他可行替代方案进行比较。代码见 https://bit.ly/3iDBLFv
引用
@article{arxiv.2007.09748,
title = {A Generic Visualization Approach for Convolutional Neural Networks},
author = {Ahmed Taha and Xitong Yang and Abhinav Shrivastava and Larry Davis},
journal= {arXiv preprint arXiv:2007.09748},
year = {2020}
}
备注
ECCV'2020