用于CNN的解释图
计算机视觉与模式识别
2018-12-20 v1 机器学习
摘要
本文引入一种图模型，即解释图(explanatory graph)，以揭示预训练CNN卷积层内部隐藏的知识层次。用于对象分类的CNN卷积层中的每个滤波器通常代表对象部件的混合。我们开发了一种简单而有效的方法，从每个滤波器中解耦出对象-部件模式分量。我们构建解释图来组织所挖掘的部件模式，其中节点表示部件模式，每条边编码模式间的共激活关系与空间关系。更关键的是，给定预训练CNN，解释图的学习无需标注对象部件。实验表明，每个图节点在不同图像中一致地表示同一对象部件，这提升了CNN特征的迁移性。我们将解释图中的部件模式迁移到部件定位任务，我们的方法显著优于其他方法。
引用
@article{arxiv.1812.07997,
title = {Explanatory Graphs for CNNs},
author = {Quanshi Zhang and Xin Wang and Ruiming Cao and Ying Nian Wu and Feng Shi and Song-Chun Zhu},
journal= {arXiv preprint arXiv:1812.07997},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1708.01785