图像分类器决策区域的简单连通性实证研究
计算机视觉与模式识别
2026-05-08 v1 机器学习
摘要
决策区域的拓扑性质是解释深度神经网络内部工作原理的核心问题。已有实证研究表明，这些区域是路径连通的。我们研究更强的拓扑问题：闭环内部的闭合环是否可以在不离开该区域的情况下收缩。为此，我们提出一种迭代四分网格填充程序，用于构造由给定环边界包围的、保持标签且完全位于同一决策区域内的有限分辨率标量面。我们进一步将该构造与自然 Coons 面相关联，以量化其与环的标准几何插值的偏差。通过在多个现代图像分类模型上评估本方法，我们提供实证证据支持假设：深度神经网络的决策区域不仅是路径连通的，而且是简单连通的。
引用
@article{arxiv.2605.06380,
title = {Empirical Evidence for Simply Connected Decision Regions in Image Classifiers},
author = {Arjhun Swaminathan and Mete Akgün},
journal= {arXiv preprint arXiv:2605.06380},
year = {2026}
}