G-CAME：面向目标检测器的高斯类激活映射解释器
计算机视觉与模式识别
2023-06-07 v1 人工智能
机器学习
摘要
如今，用于图像中目标检测的深度神经网络非常普遍。然而，由于这些网络的复杂性，用户难以理解模型为何检测出这些目标。我们提出了高斯类激活映射解释器（G-CAME），其生成显著图作为目标检测模型的解释。G-CAME 可视为一种基于 CAM 的方法，它利用所选层的激活图结合高斯核来高亮图像中对应于预测框的重要区域。与其他基于区域的方法相比，G-CAME 能超越时间限制，因其解释一个目标耗时极短。我们还在 MS-COCO 2017 数据集上用 YOLOX 对方法做了定性与定量评估，并指导将 G-CAME 应用于两阶段 Faster-RCNN 模型。
引用
@article{arxiv.2306.03400,
title = {G-CAME: Gaussian-Class Activation Mapping Explainer for Object Detectors},
author = {Quoc Khanh Nguyen and Truong Thanh Hung Nguyen and Vo Thanh Khang Nguyen and Van Binh Truong and Quoc Hung Cao},
journal= {arXiv preprint arXiv:2306.03400},
year = {2023}
}
备注
10 figures