利用激活进行超像素解释
计算机视觉与模式识别
2024-06-10 v1
摘要
显著性方法已成为深度神经网络解释工具箱中的标准。最近针对图像分类器的具体发展研究了基于区域的解释，要么使用新方法，要么通过使用特定超像素算法调整已有的方法。在本文中，我们旨在避免依赖这些分割器，而是从深度神经网络图像分类器的激活中提取分割，而无需微调网络。我们所谓的神经激活超像素（NAS）可以隔离输入中与模型预测相关的感兴趣区域，从而提升高阈值弱监督目标定位性能。这一特性使得显著性方法的半监督语义评估成为可能。NAS与现有显著性方法的聚合简化了它们的解释，并揭示了广泛使用的相关性曲线下面积度量的不一致性。
引用
@article{arxiv.2406.04933,
title = {Leveraging Activations for Superpixel Explanations},
author = {Ahcène Boubekki and Samuel G. Fadel and Sebastian Mair},
journal= {arXiv preprint arXiv:2406.04933},
year = {2024}
}