通过解释图解读CNN知识
计算机视觉与模式识别
2017-11-23 v3
摘要
本文学习了一个图模型，即解释图，它揭示了隐藏在预训练CNN内部的知识层级。考虑到预训练CNN卷积层中的每个滤波器通常表示物体部件的混合，我们提出了一种简单而高效的方法，自动从每个滤波器中解耦出不同的部件模式，并构建一个解释图。在解释图中，每个节点代表一个部件模式，每条边编码了模式间的共激活关系和空间关系。更重要的是，我们以无监督的方式为预训练CNN学习解释图，即无需标注物体部件。实验表明，每个图节点在不同图像中一致地表示相同的物体部件。我们将解释图中的部件模式迁移到部件定位任务中，我们的方法显著优于其他方法。
引用
@article{arxiv.1708.01785,
title = {Interpreting CNN Knowledge via an Explanatory Graph},
author = {Quanshi Zhang and Ruiming Cao and Feng Shi and Ying Nian Wu and Song-Chun Zhu},
journal= {arXiv preprint arXiv:1708.01785},
year = {2017}
}
备注
in AAAI 2018