从解释到分割：利用可解释 AI 进行图像分割
计算机视觉与模式识别
2023-03-01 v1
摘要
利用深度神经网络（DNNs）进行图像分割的新时代伴随着一个代价：为训练用于像素级分割的神经网络，必须以像素精度手动标注大量训练样本。在这项工作中，我们遵循一种间接方案来解决此问题。我们基于可解释 AI（XAI）领域的进展，从解释分类网络决策的逐层相关性传播（LRP）输出中提取像素级二值分割。我们表明，与成熟的 U-Net 分割架构相比，我们取得了相似的结果，而训练数据的生成被显著简化。所提方法可以以弱监督方式训练，因为训练样本仅需在图像级别标注，同时能够输出分割掩码。这使其特别适用于更广泛的真实应用，其中繁琐的像素级标注通常不可行。
引用
@article{arxiv.2202.00315,
title = {From Explanations to Segmentation: Using Explainable AI for Image Segmentation},
author = {Clemens Seibold and Johannes Künzel and Anna Hilsmann and Peter Eisert},
journal= {arXiv preprint arXiv:2202.00315},
year = {2023}
}
备注
to be published in: 17th International Conference on Computer Vision Theory and Applications (VISAPP), February 2022