面向可解释且鲁棒的手部检测：基于像素级预测的方法
计算机视觉与模式识别
2020-01-20 v1
摘要
现有基于 CNN 的手部检测方法缺乏可解释性，难以理解其预测背后的依据。本文提出一种新颖的神经网络模型，首次将可解释性引入手部检测。主要改进包括：(1) 在像素级检测手部，以解释其决策基于哪些像素并提升模型透明度。(2) 可解释的高亮特征融合块在多层级中突出显著特征并学习判别性特征，从而获得鲁棒性能。(3) 引入透明表示——旋转图，以学习旋转特征，取代复杂且不透明的旋转与反旋转层。(4) 辅助监督加速训练过程，在我们的实验中节省超过 10 小时。在 VIVA 与 Oxford 手部检测及跟踪数据集上的实验结果表明，与最先进方法相比，我们的方法在更高速度下具有具竞争力的精度。
引用
@article{arxiv.2001.04163,
title = {Towards Interpretable and Robust Hand Detection via Pixel-wise Prediction},
author = {Dan Liu and Libo Zhang and Tiejian Luo and Lili Tao and Yanjun Wu},
journal= {arXiv preprint arXiv:2001.04163},
year = {2020}
}
备注
Accepted to Pattern Recognition