ProtoPShare：用于可解释图像分类与相似性发现的原型共享
计算机视觉与模式识别
2022-09-20 v1 人工智能
机器学习
摘要
本文提出 ProtoPShare，一种融合原型部件范式以解释预测的自解释方法。ProtoPShare 的主要新颖之处在于其借助我们提出的数据依赖合并剪枝，能够在类别间高效共享原型部件。此外，相较于当前最优方法 ProtoPNet，其原型更具一致性，且模型对图像扰动的鲁棒性更强。我们在 CUB-200-2011 与 Stanford Cars 两个数据集上验证了上述发现。
引用
@article{arxiv.2011.14340,
title = {ProtoPShare: Prototype Sharing for Interpretable Image Classification and Similarity Discovery},
author = {Dawid Rymarczyk and Łukasz Struski and Jacek Tabor and Bartosz Zieliński},
journal= {arXiv preprint arXiv:2011.14340},
year = {2022}
}