面向深度神经网络视觉友好解释的区域多尺度方法
计算机视觉与模式识别
2020-01-06 v2
摘要
近年来，许多解释和可视化深度神经网络预测的方法被提出，并取得了显著进展。然而，仍需更具类别区分性且视觉友好的解释。因此，本文提出一种基于区域的方法，在适当分割的区域上估计特征重要性。通过融合由多尺度分割生成的显著图，可获得更具类别区分性且视觉友好的图。我们将该区域多尺度概念引入到与模型无关的预测差异方法中。使用超像素方法在多个尺度上对输入图像进行分割，并通过采样利用边界先验构建的正态分布来模拟区域的排除。实验结果表明，区域多尺度方法生成的显著图具有更强的类别区分性和视觉友好性。
引用
@article{arxiv.1807.11720,
title = {Regional Multi-scale Approach for Visually Pleasing Explanations of Deep Neural Networks},
author = {Dasom Seo and Kanghan Oh and Il-Seok Oh},
journal= {arXiv preprint arXiv:1807.11720},
year = {2020}
}
备注
9 pages, 5 figures, submitted on NIPS 2018