BOREx：基于贝叶斯优化的图像与视频分类模型显著图精炼方法
计算机视觉与模式识别
2022-11-01 v1 人工智能
摘要
解释图像与视频分类模型产生的分类结果是计算机视觉中重要但具挑战性的问题之一。为此已提出许多生成基于热图解释的方法，包括利用模型内部信息的白盒方法（如 LRP、Grad-CAM 和 Grad-CAM++）以及不使用任何内部信息的黑盒方法（如 LIME、SHAP 和 RISE）。我们提出一种新的黑盒方法 BOREx（视觉模型解释的贝叶斯优化精炼）来精炼任意方法生成的热图。我们的观察是，基于热图的解释可视为基于贝叶斯优化的解释方法的先验。基于该观察，BOREx 从另一解释方法生成的热图出发，进行高斯过程回归 (GPR) 以估计给定图像中每个像素的显著性。我们的实验从统计上证明，BOREx 的精炼改善了图像与视频分类结果的低质量热图。
引用
@article{arxiv.2210.17130,
title = {BOREx: Bayesian-Optimization--Based Refinement of Saliency Map for Image- and Video-Classification Models},
author = {Atsushi Kikuchi and Kotaro Uchida and Masaki Waga and Kohei Suenaga},
journal= {arXiv preprint arXiv:2210.17130},
year = {2022}
}
备注
32 pages. To appear in ACCV 2022