CA-Stream: 基于注意力池化的可解释图像识别
计算机视觉与模式识别
2024-04-24 v1
摘要
从基于Transformer的架构中以原始注意力形式获得的解释可被视为类别无关的显著性图。此外，基于注意力的池化可视为特征空间中的一种掩蔽形式。受此观察启发，我们设计了一种基于注意力的池化机制，旨在推理时替代全局平均池化(GAP)。该机制称为交叉注意力流(CA-Stream)，包含一个与不同网络深度特征交互的交叉注意力块流。CA-Stream在保持识别性能的同时增强了模型的可解释性。
引用
@article{arxiv.2404.14996,
title = {CA-Stream: Attention-based pooling for interpretable image recognition},
author = {Felipe Torres and Hanwei Zhang and Ronan Sicre and Stéphane Ayache and Yannis Avrithis},
journal= {arXiv preprint arXiv:2404.14996},
year = {2024}
}
备注
CVPR XAI4CV workshop 2024