相信HiPe：用于快速、鲁棒且模型无关显著性映射的层次化扰动
计算机视觉与模式识别
2022-04-12 v3 人工智能
机器学习
摘要
随着深度学习模型被用于日益复杂和高风险的任务，理解人工智能（AI）系统的预测变得愈发重要。显著性映射——一种流行的视觉归因方法——是为此的重要工具，但现有形式受限于计算成本或架构约束。因此我们提出层次化扰动（Hierarchical Perturbation），一种极快且完全模型无关的、用鲁棒显著性图解释模型预测的方法。使用标准基准与数据集，我们表明我们的显著性图质量可与现有模型无关方法媲美或更优——且计算速度快 20 倍以上。
引用
@article{arxiv.2103.05108,
title = {Believe The HiPe: Hierarchical Perturbation for Fast, Robust, and Model-Agnostic Saliency Mapping},
author = {Jessica Cooper and Ognjen Arandjelović and David J Harrison},
journal= {arXiv preprint arXiv:2103.05108},
year = {2022}
}
备注
github.com/jessicamarycooper/Hierarchical-Perturbation