基于相似度分数论据反向传播的高效可解释人脸验证
计算机视觉与模式识别
2023-11-08 v2
摘要
随着人脸识别技术在安全关键型应用中的使用日益广泛，可解释人脸识别正受到越来越多的关注。理解给定人脸识别系统为何匹配或不匹配两张人脸图像，对操作员、用户和开发者而言十分重要，有助于增强信任、明确责任、开发更好的系统并揭示不公平行为。在本工作中，我们提出 xSSAB，一种反向传播基于相似度分数的论据的方法，这些论据支持或反对人脸匹配决策，从而可视化空间映射图，指示底层 FR 模型所判定的相似与不相似区域。此外，我们提出 Patch-LFW，一个新的可解释人脸验证基准，结合一种新颖的评估协议，首次对可解释人脸识别方法中相似与不相似映射图的有效性进行定量评估。我们将这一高效方法与最先进的方法进行比较，展示了效率与性能之间更优的权衡。代码及所提出的 Patch-LFW 已公开于：https://github.com/marcohuber/xSSAB。
引用
@article{arxiv.2304.13409,
title = {Efficient Explainable Face Verification based on Similarity Score Argument Backpropagation},
author = {Marco Huber and Anh Thi Luu and Philipp Terhörst and Naser Damer},
journal= {arXiv preprint arXiv:2304.13409},
year = {2023}
}
备注
Accepted at WACV 2024