U-CAM：基于不确定性的类激活图视觉解释方法
计算机视觉与模式识别
2019-10-18 v4 计算与语言
机器学习
图像与视频处理
摘要
理解和解释深度学习模型是一项重要任务。为此，我们提出一种获取基于梯度的确定性估计的方法，其同时提供视觉注意力图。具体地，我们求解视觉问答任务。我们引入现代概率深度学习方法，并通过利用这些估计的梯度进一步改进。这具有双重好处：a) 改进确定性估计的获取，使其与误分类样本更好地相关；b) 改进的注意力图在与人注意力区域的相关性上提供最先进的结果。改进的注意力图对各种视觉问答方法带来一致提升。因此，所提出的技术可视为获取改进确定性估计及深度学习模型解释的通用方案。我们在所有标准基准上对视觉问答任务提供详细实证分析，并与最先进方法比较。
引用
@article{arxiv.1908.06306,
title = {U-CAM: Visual Explanation using Uncertainty based Class Activation Maps},
author = {Badri N. Patro and Mayank Lunayach and Shivansh Patel and Vinay P. Namboodiri},
journal= {arXiv preprint arXiv:1908.06306},
year = {2019}
}
备注
ICCV 2019 (accepted)