面向人脸验证的视觉显著性解释研究
计算机视觉与模式识别
2023-10-25 v4 图像与视频处理
摘要
过去几年，深度卷积神经网络在验证与识别场景下不断推动人脸识别（FR）技术的前沿。尽管准确率很高，它们常因缺乏可解释性而受到批评。对于理解深度人脸识别系统决策过程的需求日益增长。近期研究探讨了使用视觉显著性图作为解释，但往往缺乏在人脸识别语境下的讨论与分析。本文聚焦于可解释人脸验证任务并构想了一种新的解释框架。首先，给出了基于显著性的解释方法的定义，其关注深度FR模型所做的决策。其次，提出了一种名为CorrRISE的模型无关解释方法以生成显著性图，揭示任意给定人脸图像对的相似与不相似区域。随后，设计了一种评估方法来衡量通用视觉显著性解释方法在人脸验证中的性能。最后，大量视觉与定量结果表明，与其他最先进的可解释人脸验证方法相比，所提出的CorrRISE方法展现出有前景的结果。
引用
@article{arxiv.2305.08546,
title = {Towards Visual Saliency Explanations of Face Verification},
author = {Yuhang Lu and Zewei Xu and Touradj Ebrahimi},
journal= {arXiv preprint arXiv:2305.08546},
year = {2023}
}