基于显著性图的人脸识别解释
计算机视觉与模式识别
2023-04-14 v1 图像与视频处理
摘要
尽管近年来人脸识别取得了显著进展，但它们通常被视为“黑盒”，并因缺乏可解释性而受到批评。了解深度人脸识别系统的特征和决策变得越来越重要，以使其更被公众接受。可解释人脸识别（XFR）是指解释为什么识别模型将一个探针人脸与某个身份而非其他身份匹配的问题。最近的研究探索了使用视觉显著性图作为解释，但它们往往缺乏在人脸识别背景下的深入分析。本文首先提出了一个严格的可解释人脸识别（XFR）定义，重点关注深度识别模型的决策过程。遵循这一定义，随后引入了一种基于相似度的 RISE 算法（S-RISE）来生成高质量的视觉显著性图。此外，提出了一种评估方法，以系统地验证基于一般视觉显著性的 XFR 方法的可靠性和准确性。
引用
@article{arxiv.2304.06118,
title = {Explanation of Face Recognition via Saliency Maps},
author = {Yuhang Lu and Touradj Ebrahimi},
journal= {arXiv preprint arXiv:2304.06118},
year = {2023}
}