人类与深度神经网络关注的显著性面部特征
计算机视觉与模式识别
2020-03-20 v1
摘要
在这项工作中，我们探究人类与卷积神经网络（ConvNets）在人脸分类时所使用的特征。我们利用引导反向传播（GB）来可视化在识别特定个体时对 ConvNet 输出影响最大的面部特征；我们探索如何最好地为此目的使用 GB。我们通过人类智能任务来找出人类认为在识别特定个体时最重要的面部特征。我们探究从人类和 ConvNets 收集的显著性信息之间的差异。人类在利用可用的面部特征信息来区分不同人脸时会产生偏差。研究表明，这些偏差同时受神经发育和个体社会经验的影响。近年来，计算机视觉界基于深度神经网络的模型已在许多人脸处理任务中达到人类水平性能。这些人脸处理系统也由于模型架构选择和训练数据分布而存在系统性偏差。
引用
@article{arxiv.2003.08765,
title = {Salient Facial Features from Humans and Deep Neural Networks},
author = {Shanmeng Sun and Wei Zhen Teoh and Michael Guerzhoy},
journal= {arXiv preprint arXiv:2003.08765},
year = {2020}
}
备注
10 pages, 6 figures