PatchNet：用于图像分类的可解释神经网络
计算机视觉与模式识别
2018-12-03 v4
摘要
理解复杂机器学习模型如何做出分类决策，对于其在医疗保健等敏感领域的接受至关重要。为此，我们提出PatchNet，一种利用限制全局图像上下文与分类误差之间的权衡来提供图像中指示每个类别的特征的方法。我们从数学上分析了该权衡，展示了PatchNet构建所学特征的清晰视觉热图表示的能力，并通过将PatchNet应用于ISBI-ISIC 2017黑色素瘤分类挑战赛的良性/恶性皮肤病变分类，将这些特征与领域专家选择的特征进行定量比较。
引用
@article{arxiv.1705.08078,
title = {Patchnet: Interpretable Neural Networks for Image Classification},
author = {Adityanarayanan Radhakrishnan and Charles Durham and Ali Soylemezoglu and Caroline Uhler},
journal= {arXiv preprint arXiv:1705.08078},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216