用于解释像素级 CNN 的块对应方法
计算机视觉与模式识别
2018-09-05 v4
摘要
我们提出组合最近邻（CompNN），一种用于直观解释卷积神经网络（CNN）为像素级任务（例如图像合成与分割）所学分布式表示的简单方法。该方法通过从训练集中复制粘贴具有相似特征嵌入的对应图像块，来重建 CNN 的输入与输出图像。为高效实现，其采用了一种基于块匹配的算法，该算法利用了 CNN 为像素级任务所学的块表示平滑变化这一事实。最后，我们展示 CompNN 可用于建立两幅图像间的语义对应，并通过修改训练集中的图像来控制输出图像的属性。我们针对语义分割与图像到图像翻译给出了定性与定量实验，表明 CompNN 是解释像素级 CNN 所学嵌入的良好工具。
引用
@article{arxiv.1711.10683,
title = {Patch Correspondences for Interpreting Pixel-level CNNs},
author = {Victor Fragoso and Chunhui Liu and Aayush Bansal and Deva Ramanan},
journal= {arXiv preprint arXiv:1711.10683},
year = {2018}
}