深度学习用于 SAR 图像分类的可解释分析
计算机视觉与模式识别
2022-04-15 v1
摘要
深度学习方法在合成孔径雷达（SAR）图像解译任务中表现出卓越性能。然而，这些是限制对其预测理解的黑盒模型。因此，为应对该挑战，我们利用可解释人工智能（XAI）方法用于 SAR 图像分类任务。具体而言，我们在 OpenSARUrban 数据集上针对每种极化格式训练了最先进的卷积神经网络，随后考察八种解释方法以分析 SAR 图像 CNN 分类器的预测。这些 XAI 方法还从定性和定量上进行了评估，结果表明 Occlusion 在最大敏感度方面取得了最可靠的解释性能，但解释热力图分辨率较低。解释结果为了解 SAR 图像分类黑盒决策的内部机制提供了一些见解。
引用
@article{arxiv.2204.06783,
title = {Explainable Analysis of Deep Learning Methods for SAR Image Classification},
author = {Shenghan Su and Ziteng Cui and Weiwei Guo and Zenghui Zhang and Wenxian Yu},
journal= {arXiv preprint arXiv:2204.06783},
year = {2022}
}
备注
Accepted by IGARSS 2022(Oral)