Fugu-MT 論文翻訳(概要): SS-CAM: Smoothed Score-CAM for Sharper Visual Feature Localization

論文の概要: SS-CAM: Smoothed Score-CAM for Sharper Visual Feature Localization

arxiv url: http://arxiv.org/abs/2006.14255v3
Date: Thu, 12 Nov 2020 13:02:55 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 04:05:48.237775
Title: SS-CAM: Smoothed Score-CAM for Sharper Visual Feature Localization
Title（参考訳）: SS-CAM:シャープな視覚特徴定位のための平滑なスコアCAM
Authors: Haofan Wang, Rakshit Naidu, Joy Michael and Soumya Snigdha Kundu
Abstract要約: SS-CAMと呼ばれる視覚的シャープネスの観点から,視覚的説明が強化された。 In the ILSVRC 2012 Validation dataset, which are evaluations Score-CAM on both faithfulness and localization task。
参考スコア（独自算出の注目度）: 1.3381749415517021
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Interpretation of the underlying mechanisms of Deep Convolutional Neural Networks has become an important aspect of research in the field of deep learning due to their applications in high-risk environments. To explain these black-box architectures there have been many methods applied so the internal decisions can be analyzed and understood. In this paper, built on the top of Score-CAM, we introduce an enhanced visual explanation in terms of visual sharpness called SS-CAM, which produces centralized localization of object features within an image through a smooth operation. We evaluate our method on the ILSVRC 2012 Validation dataset, which outperforms Score-CAM on both faithfulness and localization tasks.
Abstract（参考訳）: 深層畳み込みニューラルネットワークの基盤となるメカニズムの解釈は、高リスク環境における深層学習の分野における研究の重要な側面となっている。これらのブラックボックスアーキテクチャを説明するために、内部決定を解析し理解するために多くの方法が適用されてきた。本稿では,スコアカムの上部にss-camと呼ばれる視覚的なシャープネスの観点で視覚的な説明を付加し,スムースな操作により画像内の物体特徴の集中的局所化を実現する。本手法をilsvrc 2012検証データセットで評価し, 信頼性と局所性の両方においてスコアカムを上回った。

関連論文リスト

Hierarchical Graph Interaction Transformer with Dynamic Token Clustering for Camouflaged Object Detection [57.883265488038134]
本稿では,HGINetと呼ばれる階層的なグラフ相互作用ネットワークを提案する。このネットワークは、階層的トークン化機能間の効果的なグラフ相互作用を通じて、知覚不能なオブジェクトを発見することができる。本実験は,既存の最先端手法と比較して,HGINetの優れた性能を示すものである。
論文参考訳（メタデータ） (2024-08-27T12:53:25Z)
DecomCAM: Advancing Beyond Saliency Maps through Decomposition and Integration [25.299607743268993]
クラスアクティベーションマップ(CAM)手法は、モデルの意思決定基準を明らかにする領域を強調するが、明確なサリエンシマップと詳細な解釈性は欠如している。チャネル活性化マップから共有パターンを抽出する新しい分解分解分解法であるDecomCAMを提案する。実験の結果,DecomCAMは精度を向上するだけでなく,解釈可能性と計算効率のバランスを最適化できることがわかった。
論文参考訳（メタデータ） (2024-05-29T08:40:11Z)
De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
論文参考訳（メタデータ） (2023-03-29T18:07:25Z)
Exploit CAM by itself: Complementary Learning System for Weakly Supervised Semantic Segmentation [59.24824050194334]
本稿では,CLS(Complementary Learning System)というエージェント学習における興味深い作業機構について述べる。このシンプルだが効果的な学習パターンを動機として,汎用学習機構(GSLM)を提案する。汎用学習モジュール(GLM)と特定学習モジュール(SLM)を開発するGSLM
論文参考訳（メタデータ） (2023-03-04T16:16:47Z)
Centralized Feature Pyramid for Object Detection [53.501796194901964]
視覚的特徴ピラミッドは、広範囲のアプリケーションにおいて、有効性と効率の両方において、その優位性を示している。本稿では,オブジェクト検出のためのOLO特徴ピラミッドを提案する。
論文参考訳（メタデータ） (2022-10-05T08:32:54Z)
Learning Visual Explanations for DCNN-Based Image Classifiers Using an Attention Mechanism [8.395400675921515]
L-CAM-FmとL-CAM-Imgと呼ばれる、深層畳み込みニューラルネットワーク(DCNN)画像分類のための2つの新しい学習ベースAI(XAI)手法を提案する。どちらの手法も、元の(凍結した)DCNNに挿入される注意機構を使用し、最後の畳み込み層の特徴写像からクラス活性化マップ(CAM)を導出するように訓練されている。 ImageNet上での実験評価により,提案手法は推論段階で1回の前方通過を必要としながら,競合する結果が得られることが示された。
論文参考訳（メタデータ） (2022-09-22T17:33:18Z)
Shap-CAM: Visual Explanations for Convolutional Neural Networks based on Shapley Value [86.69600830581912]
クラスアクティベーションマッピングに基づくShap-CAMと呼ばれる新しい視覚的説明法を開発した。我々は,Shap-CAMが意思決定プロセスの解釈において,より良い視覚的性能と公平性を実現することを実証した。
論文参考訳（メタデータ） (2022-08-07T00:59:23Z)
SSA: Semantic Structure Aware Inference for Weakly Pixel-Wise Dense Predictions without Cost [36.27226683586425]
The semantic structure aware inference (SSA) was proposed to explore the semantic structure information hidden in different stage of the CNN-based network to generate high-quality CAM in the model inference。提案手法はパラメータを含まない利点があり,訓練は不要である。したがって,弱教師付き画素ワイド予測タスクにも適用可能である。
論文参考訳（メタデータ） (2021-11-05T11:07:21Z)
IS-CAM: Integrated Score-CAM for axiomatic-based explanations [0.0]
本稿では,IS-CAM(Integrated Score-CAM)を提案する。 ILSVRC 2012 Validation データセットからランダムに選択した2000個の画像に対して,IS-CAM の汎用性を検証した。
論文参考訳（メタデータ） (2020-10-06T21:03:03Z)
Eigen-CAM: Class Activation Map using Principal Components [1.2691047660244335]
この論文は、解釈可能で堅牢で透明なモデルに対する需要の増加に対応するために、従来の考え方に基づいている。提案したEigen-CAMは、畳み込み層から学習した特徴/表現の基本的なコンポーネントを計算し、視覚化する。
論文参考訳（メタデータ） (2020-08-01T17:14:13Z)
Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-15T23:57:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。