iCaps：一种基于解耦胶囊网络的可解释分类器
计算机视觉与模式识别
2020-08-21 v1 机器学习
摘要
我们提出一种用于图像分类的可解释胶囊网络 iCaps。胶囊是嵌套在每一层内的一组神经元，最后一层中的胶囊称为类别胶囊，它是一个向量，其范数表示该类预测概率。利用类别胶囊，现有胶囊网络已提供一定程度的可解释性。然而，有两个限制削弱了其可解释性：1) 类别胶囊还包含与分类无关的信息；2) 类别胶囊所表示的实体相互重叠。本工作中，我们分别使用一种新颖的类监督解耦算法和一种额外的正则化器来解决这两个限制。通过在三个数据集上的定量与定性评估，我们证明所得分类器 iCaps 在性能不下降的情况下，提供预测及其背后的清晰依据。
引用
@article{arxiv.2008.08756,
title = {iCaps: An Interpretable Classifier via Disentangled Capsule Networks},
author = {Dahuin Jung and Jonghyun Lee and Jihun Yi and Sungroh Yoon},
journal= {arXiv preprint arXiv:2008.08756},
year = {2020}
}
备注
ECCV 2020