XRAI：通过区域实现更优归因
计算机视觉与模式识别
2019-08-22 v2 机器学习
摘要
显著性方法有助于理解深度神经网络。近年来，显著性方法有许多改进，也出现了新的评估方式。在本文中，我们 1）提出一种新颖的基于区域的归因方法 XRAI，其构建于积分梯度（Sundararajan 等人 2017）之上；2）引入用于经验评估基于图像的显著性图质量的方法（性能信息曲线（PICs））；3）贡献一种基于公理的归因方法合理性检验。通过经验实验与示例结果，我们表明 XRAI 对于常见模型与 ImageNet 数据集产生了优于其他显著性方法的结果。
引用
@article{arxiv.1906.02825,
title = {XRAI: Better Attributions Through Regions},
author = {Andrei Kapishnikov and Tolga Bolukbasi and Fernanda Viégas and Michael Terry},
journal= {arXiv preprint arXiv:1906.02825},
year = {2019}
}