一种用于基于CNN的生物特征验证的模型无关可解释算法
计算机视觉与模式识别
2023-07-26 v1
摘要
本文描述了将局部可解释模型无关解释（LIME）人工智能方法改造以在生物特征验证场景下运行。LIME最初针对训练时使用的相同输出类别的网络而提出，并利用softmax概率来确定图像中哪些区域对分类贡献最大。然而，在验证场景中，待识别的类别在训练期间并未见过。此外，通常不从分类层之前的层获取人脸描述符，而非使用softmax输出。该模型通过输入图像扰动版本的特征向量之间的余弦相似度来实现可解释性。该方法以基于MobileNetv2和ResNet50的两种CNN模型在人脸生物特征上进行了展示。
引用
@article{arxiv.2307.13428,
title = {An Explainable Model-Agnostic Algorithm for CNN-based Biometrics Verification},
author = {Fernando Alonso-Fernandez and Kevin Hernandez-Diaz and Jose M. Buades and Prayag Tiwari and Josef Bigun},
journal= {arXiv preprint arXiv:2307.13428},
year = {2023}
}