Crown-CAM：面向航拍图像中树冠检测的可解释视觉解释方法
计算机视觉与模式识别
2023-04-28 v2 人工智能
机器学习
摘要
对“黑盒”模型进行视觉解释，使可解释人工智能（XAI）领域的研究人员能够以人类可理解的方式解读模型的决策。本文提出面向树冠检测的可解释类激活映射（Crown-CAM），该方法克服了以往方法定位不准确和计算复杂度高的问题，同时为航拍图像中树冠检测这一具有挑战性且动态变化的问题生成可靠的视觉解释。它由激活图的无监督选择、局部得分图计算以及非上下文背景抑制组成，从而在密集森林树木或无树冠场景的情况下高效提供树冠的细粒度定位。此外，引入两个基于交并比（IoU）的指标，用以有效量化所生成解释相对于图像中有树冠甚至无树冠区域的准确与不准确程度。实证评估表明，在具有挑战性的 NEON 树冠数据集上，所提出的 Crown-CAM 在提升视觉解释准确性（及降低不准确性）方面，分别平均以 8.7、5.3 和 21.7（以及 3.3、9.8 和 16.5）的 IoU 优势优于 Score-CAM、Augmented Score-CAM 和 Eigen-CAM 方法。
引用
@article{arxiv.2211.13126,
title = {Crown-CAM: Interpretable Visual Explanations for Tree Crown Detection in Aerial Images},
author = {Seyed Mojtaba Marvasti-Zadeh and Devin Goodsman and Nilanjan Ray and Nadir Erbilgin},
journal= {arXiv preprint arXiv:2211.13126},
year = {2023}
}
备注
Accepted manuscript in IEEE Geoscience and Remote Sensing Letters (GRSL)