基于度量引导的类激活映射合成
计算机视觉与模式识别
2025-10-20 v1 人工智能
摘要
类激活映射（CAM）是解释卷积神经网络（CNN）行为的热图方法中广泛采用的一类方法。这些方法生成热图，以突出输入中与 CNN 输出最相关的部分。已提出多种 CAM 方法，每种方法都通过不同的表达式来生成热图。一般来说，用户寻找具有特定属性的热图，这些属性反映了 CNN 功能的不同方面，包括与真实值的相似性、鲁棒性、等变性等。虽然现有的 CAM 方法在表达式中隐式地编码了其中一些属性，但它们不允许在用户意图或领域知识的基础上进行热图生成的可变性。本文通过引入基于度量的 SyCAM 方法来解决这一限制。给定预定义的评估度量，SyCAM 自动生成针对该度量进行优化的 CAM 表达式。我们特别探索了 SyCAM 的一种语法引导式合成实例，即在预定义的语法约束和给定度量的基础上派生 CAM 表达式。使用几个已建立的评估度量，我们展示了该方法在生成有针对性的热图方面的有效性和灵活性。在三个著名模型（ResNet50、VGG16 和 VGG19）上与其他著名 CAM 方法进行比较。
引用
@article{arxiv.2504.09998,
title = {Metric-Guided Synthesis of Class Activation Mapping},
author = {Alejandro Luque-Cerpa and Elizabeth Polgreen and Ajitha Rajan and Hazem Torfah},
journal= {arXiv preprint arXiv:2504.09998},
year = {2025}
}