LaFAM：无标签激活图的无监督特征归因
计算机视觉与模式识别
2025-04-02 v2
摘要
卷积神经网络 (CNN) 因其学习层次结构的能力而闻名，自然地在更深的层中发展出对物体和语义概念的检测器。激活图 (AM) 揭示了这些显著性区域，这些区域对于许多可解释人工智能 (XAI) 方法至关重要。然而，在 CNN 中直接利用原始 AM 进行特征归因在文献中仍未得到充分探索。本工作通过引入无标签激活图 (LaFAM) 来修订类激活图 (CAM) 方法，提出了一种无需依赖标签即可进行特征归因的简洁方法。LaFAM 为传统 CAM 方法提供了一种高效替代方案，尤其在无监督学习场景下对显著图生成效果尤为出色，同时保持在监督学习场景中的适用性。
引用
@article{arxiv.2407.06059,
title = {LaFAM: Unsupervised Feature Attribution with Label-free Activation Maps},
author = {Aray Karjauv and Sahin Albayrak},
journal= {arXiv preprint arXiv:2407.06059},
year = {2025}
}