ProtoP-OD：基于原型部件的可解释目标检测
计算机视觉与模式识别
2025-12-08 v1 机器学习
摘要
对检测 Transformer 行为的解释和可视化往往侧重于模型关注的图像位置，但对其关注的语义提供的见解有限。本文介绍了一种检测 Transformer 的扩展方法，该方法构建原型局部特征并将其用于目标检测。这些被称为原型部件的定制特征被设计为互斥的，并与模型的分类保持一致。所提出的扩展包含一个瓶颈模块（即原型颈），用于计算原型激活的离散化表示，以及一个新的损失项，用于将原型与物体类别匹配。这种设置在原型颈中产生了可解释的表示，允许对模型感知的图像内容进行视觉检查，并更好地理解模型的可靠性。实验表明，我们的方法仅带来有限的性能损失，我们提供的示例证明了该方法所提供的解释质量，我们认为这超过了性能损失。
引用
@article{arxiv.2402.19142,
title = {ProtoP-OD: Explainable Object Detection with Prototypical Parts},
author = {Pavlos Rath-Manakidis and Frederik Strothmann and Tobias Glasmachers and Laurenz Wiskott},
journal= {arXiv preprint arXiv:2402.19142},
year = {2025}
}
备注
9 pages, 11 figures