面向可解释人脸识别的判别性深度特征可视化
计算机视觉与模式识别
2023-09-06 v2 图像与视频处理
摘要
尽管深度卷积神经网络在人脸识别（FR）任务中取得巨大成功，当前方法因其“黑盒”特性而缺乏对预测的可解释性。近年来，已有研究致力于解释深度 FR 系统的决策。然而，输入人脸图像与提取深度特征之间的亲和性尚未被探索。本文通过首先构想一个基于人脸重建的解释模块，揭示深度特征与面部区域之间的对应关系，从而贡献于可解释人脸识别问题。为进一步解释 FR 模型的决策，提出了一种新颖的视觉显著性解释算法。它通过生成表示输入人脸之间相似与不相似区域的视觉显著性图提供有见地的解释。我们对生成的视觉解释进行了详细分析，以展示所提方法的有效性。
引用
@article{arxiv.2306.00402,
title = {Discriminative Deep Feature Visualization for Explainable Face Recognition},
author = {Zewei Xu and Yuhang Lu and Touradj Ebrahimi},
journal= {arXiv preprint arXiv:2306.00402},
year = {2023}
}