用于语义分割上下文解释的网格显著性
计算机视觉与模式识别
2019-11-11 v2 人工智能
机器学习
摘要
近来，开发能够提供网络预测视觉解释的显著性方法日益受到关注。然而，现有方法的可用性仍局限于图像分类模型。为克服此局限，我们扩展现有方法以生成网格显著性，其为（像素级）密集预测网络提供空间一致的视觉解释。由于所提网格显著性可空间上解耦对象与其上下文，我们专门探索其产生语义分割网络上下文解释的潜力，以发现目标对象区域内最影响类别预测的上下文。我们在具有人为诱导的对象与上下文偏差的合成数据集，以及使用最先进分割网络的真实世界 Cityscapes 数据集上考察了网格显著性的有效性。结果表明，网格显著性可成功用于提供易解释的上下文解释，并可用于检测与定位数据中存在的上下文偏差。
引用
@article{arxiv.1907.13054,
title = {Grid Saliency for Context Explanations of Semantic Segmentation},
author = {Lukas Hoyer and Mauricio Munoz and Prateek Katiyar and Anna Khoreva and Volker Fischer},
journal= {arXiv preprint arXiv:1907.13054},
year = {2019}
}
备注
33rd Conference on Neural Information Processing Systems (NeurIPS 2019)