利用梯度加权类激活映射引导深度神经网络注意力进行人脸属性分类
计算机视觉与模式识别
2019-05-03 v1
摘要
深度神经网络（DNNs）在图像分类任务上具有很高的准确率。然而，在此类具有共现偏差的数据集上训练的 DNNs 在分类决策时可能依赖错误的特征。这将极大影响预训练 DNNs 的可迁移性。本文提出一种交互式方法，引导分类器关注用户手动指定的区域，以减轻共现偏差的影响。我们在 CelebA 数据集上测试，基于 Grad-CAM 的结果对预训练的 AlexNet 进行微调，使其聚焦于特定人脸属性。
引用
@article{arxiv.1905.00593,
title = {Directing DNNs Attention for Facial Attribution Classification using Gradient-weighted Class Activation Mapping},
author = {Xi Yang and Bojian Wu and Issei Sato and Takeo Igarashi},
journal= {arXiv preprint arXiv:1905.00593},
year = {2019}
}
备注
CVPR-19 Workshop on Explainable AI