可解释 Saak 特征的可视化、可判别性及其应用
计算机视觉与模式识别
2019-03-05 v3
摘要
在本工作中，我们研究 Saak 特征的能力，作为迈向可解释深度学习的一种努力。受卷积神经网络卷积层操作的启发，多阶段 Saak 变换被提出。基于此基础，我们通过可视化分析其性质并展示其在图像分类中的应用，对作为 Saak 变换系数的 Saak 特征进行了深入考察。与 CNN 特征相似，后期阶段的 Saak 特征具有更大的感受野，然而它们是以一次性前馈方式在无反向传播的情况下获得的。整个特征提取过程透明且复杂度极低。本文展示了 Saak 特征的判别能力，并通过实验结果给出了它们在三个知名数据集（即 MNIST、CIFAR-10 和 STL-10）上的分类性能。
引用
@article{arxiv.1902.09107,
title = {Visualization, Discriminability and Applications of Interpretable Saak Features},
author = {Abinaya Manimaran and Thiyagarajan Ramanathan and Suya You and C-C Jay Kuo},
journal= {arXiv preprint arXiv:1902.09107},
year = {2019}
}