ODAM：面向目标检测的基于梯度的实例级视觉解释

我们提出了基于梯度加权的目标检测器激活图（ODAM），这是一种用于解释目标检测器预测结果的可视化解释技术。利用流入中间特征图的检测器目标梯度，ODAM 生成热力图，以展示区域对检测器每个预测属性决策的影响。与以往的分类激活图（CAM）工作相比，ODAM 生成的是实例级解释，而非类别级解释。我们证明，ODAM 适用于具有不同类型检测器主干和头部的单阶段检测器和双阶段检测器，并且比现有技术更有效、更高效地生成更高质量的可视化解释。接下来，我们提出了一种训练方案 Odam-Train，通过鼓励对同一目标检测的解释一致性以及对不同目标检测的解释差异性，来提高检测器在目标判别上的解释能力。基于 ODAM 与 Odam-Train 生成的热力图，我们提出了 Odam-NMS，该方法考虑了模型对每个预测的解释信息，以区分重复检测到的目标。我们对检测器的可视化解释进行了详细分析，并进行了大量实验以验证所提 ODAM 的有效性。