平滑深度显著性
计算机视觉与模式识别
2024-08-09 v3
摘要
在本工作中，我们研究减少由卷积下采样引起的深度显著性图中噪声的方法。这些方法使所研究的模型对于在隐藏层中计算的基于梯度的显著性图更具可解释性。我们使用插入和删除指标评估这些方法的忠实度，发现在隐藏层中计算的显著性图相比输入层和 GradCAM 表现更好。我们在针对 ImageNet1K 图像分类训练的不同模型，以及针对 Camelyon16 和内部真实世界染色组织样本数字病理扫描肿瘤检测训练的模型上测试了我们的方法。我们的结果表明，梯度中的棋盘噪声得到减少，从而产生更平滑、因此更易于解释的显著性图。
引用
@article{arxiv.2404.02282,
title = {Smooth Deep Saliency},
author = {Rudolf Herdt and Maximilian Schmidt and Daniel Otero Baguer and Peter Maaß},
journal= {arXiv preprint arXiv:2404.02282},
year = {2024}
}