增强可解释AI：结合GradCAM与LRP以提升CNN可解释性的混合方法
计算机视觉与模式识别
2024-05-21 v1
摘要
我们提出了一种结合GradCAM和LRP方法来解释基于CNN模型输出的新技术。这两种方法均通过突出显示对预测重要的输入区域来产生视觉解释。在新方法中，首先对GradCAM产生的解释进行处理以去除噪声。然后将处理后的输出与LRP的输出逐元素相乘。最后，对该乘积应用高斯模糊。我们在忠实度、鲁棒性、复杂度、定位和随机化等指标上将所提出的方法与GradCAM和LRP进行了比较。观察到该方法在复杂度上优于GradCAM和LRP，并且在其他指标上至少优于两者之一。
引用
@article{arxiv.2405.12175,
title = {Enhancing Explainable AI: A Hybrid Approach Combining GradCAM and LRP for CNN Interpretability},
author = {Vaibhav Dhore and Achintya Bhat and Viraj Nerlekar and Kashyap Chavhan and Aniket Umare},
journal= {arXiv preprint arXiv:2405.12175},
year = {2024}
}