辅助人类专家解读其视觉过程：以评估铜表面粘附性能为例
计算机视觉与模式识别
2019-10-25 v1 机器学习
摘要
深度神经网络常因其内部表示的分布式特性而被认为缺乏可解释性。相比之下，人类通常能以自然语言借助简单常识推理为其视觉问题的答案辩护。然而，人类内省能力亦有局限，人们往往难以解释最低层特征识别能力背后的识别过程：例如，很难精确说明为何某纹理更像是指甲表面而非塑料瓶的特征。本文展示了一个深度学习模型实际可帮助人类专家为其自身低层视觉识别过程辩护的应用：我们研究从铜片表面显微图像评估其粘附性能的问题。尽管训练有素的材质专家能定性评估表面粘附性能，却常无法精确说明其决策过程。我们提出一个在审慎设计考量下能为人类专家提供视觉线索以理解并辩护其自身识别过程的模型。该模型不仅能辅助人类专家解读表面特征，我们还展示了其如何用于检验铜表面对不同制造过程响应的不同假设。
引用
@article{arxiv.1910.11033,
title = {Assisting human experts in the interpretation of their visual process: A case study on assessing copper surface adhesive potency},
author = {Tristan Hascoet and Xuejiao Deng and Kiyoto Tai and Mari Sugiyama and Yuji Adachi and Sachiko Nakamura and Yasuo Ariki and Tomoko Hayashi and Tetusya Takiguchi},
journal= {arXiv preprint arXiv:1910.11033},
year = {2019}
}