通过反向传播梯度刻画失真表示空间
计算机视觉与模式识别
2019-08-28 v1 图像与视频处理
摘要
本文中，我们利用来自反向传播的权重梯度来刻画深度学习算法学到的表示空间。我们展示了此类梯度在包括感知图像质量评价和分布外分类等应用中的效用。选择这些应用是为了验证当测试图像分布相对于训练图像分布发生失真时，梯度作为特征的有效性。在两项应用中，所提出的基于梯度的特征均优于激活特征。在图像质量评价中，所提方法与其他最先进方法进行比较，在 TID 2013 与 MULTI-LIVE 数据库上于准确性、一致性、线性度与单调性方面总体表现为性能最佳方法。最后，我们使用 CURE-TSR 数据集分析了正则化对梯度在分布外分类中影响。
引用
@article{arxiv.1908.09998,
title = {Distorted Representation Space Characterization Through Backpropagated Gradients},
author = {Gukyeong Kwon and Mohit Prabhushankar and Dogancan Temel and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1908.09998},
year = {2019}
}
备注
5 pages, 5 figures, 2 tables, ICIP 2019