SmoothGrad：通过加入噪声去除噪声
机器学习
2017-06-14 v1 计算机视觉与模式识别
机器学习
摘要
解释深度网络的输出仍具挑战性。对于图像分类器，一种解释方式是识别对最终决策有强烈影响的像素。该策略的起点是类别得分函数相对于输入图像的梯度。此梯度可解释为灵敏度图，且有若干技术基于此基本思想进行细化。本文做出两点贡献：引入SmoothGrad，一种可帮助视觉锐化基于梯度的灵敏度图的简单方法；并讨论了这些图可视化中的经验。我们发布了实验代码及展示结果的网站。
引用
@article{arxiv.1706.03825,
title = {SmoothGrad: removing noise by adding noise},
author = {Daniel Smilkov and Nikhil Thorat and Been Kim and Fernanda Viégas and Martin Wattenberg},
journal= {arXiv preprint arXiv:1706.03825},
year = {2017}
}
备注
10 pages