黑盒分类器的实时图像显著性检测
机器学习
2017-05-23 v1
摘要
在本工作中，我们开发了一种快速的显著性检测方法，可应用于任何可微分的图像分类器。我们训练了一个掩码模型，通过掩盖输入图像的显著部分来操纵分类器的分数。我们的模型对未见过的图像泛化良好，并且仅需单次前向传播即可执行显著性检测，因此适用于实时系统。我们在 CIFAR-10 和 ImageNet 数据集上测试了我们的方法，并表明生成的显著性图易于解释、清晰且无伪影。我们提出了一种新的显著性度量，并在 ImageNet 目标定位任务上测试了我们的方法。我们取得的结果优于其他弱监督方法。
引用
@article{arxiv.1705.07857,
title = {Real Time Image Saliency for Black Box Classifiers},
author = {Piotr Dabkowski and Yarin Gal},
journal= {arXiv preprint arXiv:1705.07857},
year = {2017}
}