语义部件是否在卷积神经网络中涌现
计算机视觉与模式识别
2017-09-22 v5
摘要
语义对象部件可用于多种视觉识别任务。近来，这些任务已使用卷积神经网络（CNN）来解决，并取得了突出的结果。在这项工作中，我们研究 CNN 是否在其内部表示中学习了语义部件。我们研究了卷积滤波器的响应，并试图将它们的刺激与语义部件联系起来。我们进行了两项广泛的定量分析。首先，我们使用来自 PASCAL-Part 数据集的真实部件边界框来确定这些语义部件中有多少在 CNN 中涌现。我们针对不同的层、网络深度和监督级别探索了这种涌现。其次，我们收集人类判断，以研究所有滤波器中有多少比例系统性地对任何语义部件产生响应，即使这些部件未在 PASCAL-Part 中标注。此外，我们探索了判别能力与语义之间的若干联系。我们找出了哪些是对目标识别最具判别性的滤波器，并分析它们是对语义部件还是对其他图像块作出响应。我们还研究了另一个方向：我们确定哪些语义部件最具判别性，以及它们是否对应于网络中涌现的那些部件。这使得能够更深入地理解语义部件在网络中的作用。
引用
@article{arxiv.1607.03738,
title = {Do semantic parts emerge in Convolutional Neural Networks?},
author = {Abel Gonzalez-Garcia and Davide Modolo and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1607.03738},
year = {2017}
}