Fugu-MT 論文翻訳(概要): IS-CAM: Integrated Score-CAM for axiomatic-based explanations

論文の概要: IS-CAM: Integrated Score-CAM for axiomatic-based explanations

arxiv url: http://arxiv.org/abs/2010.03023v1
Date: Tue, 6 Oct 2020 21:03:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 07:31:24.019345
Title: IS-CAM: Integrated Score-CAM for axiomatic-based explanations
Title（参考訳）: IS-CAM:公理に基づく説明のための統合スコアCAM
Authors: Rakshit Naidu, Ankita Ghosh, Yash Maurya, Shamanth R Nayak K, Soumya Snigdha Kundu
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Convolutional Neural Networks have been known as black-box models as humans cannot interpret their inner functionalities. With an attempt to make CNNs more interpretable and trustworthy, we propose IS-CAM (Integrated Score-CAM), where we introduce the integration operation within the Score-CAM pipeline to achieve visually sharper attribution maps quantitatively. Our method is evaluated on 2000 randomly selected images from the ILSVRC 2012 Validation dataset, which proves the versatility of IS-CAM to account for different models and methods.
Abstract（参考訳）: 畳み込みニューラルネットワークは、人間が内部機能を解釈できないため、ブラックボックスモデルとして知られている。そこで我々は,IS-CAM(Integrated Score-CAM)を提案し,Score-CAMパイプライン内の統合操作を導入し,視覚的によりシャープな属性マップを定量的に実現した。本手法は、ilsvrc 2012検証データセットから2000個のランダムに選択された画像を用いて評価され、異なるモデルや手法を考慮したis-camの汎用性が証明される。

関連論文リスト

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)
BroadCAM: Outcome-agnostic Class Activation Mapping for Small-scale Weakly Supervised Applications [69.22739434619531]
そこで我々はBroadCAMと呼ばれる結果に依存しないCAMアプローチを提案する。 VOC2012でBroadCAM、WSSSでBCSS-WSSS、WSOLでOpenImages30kを評価することで、BroadCAMは優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2023-09-07T06:45:43Z)
MetaCAM: Ensemble-Based Class Activation Map [0.0]
クラスアクティベーションマップ(Class Activation Maps, CAM)は、CNNの視覚的説明法として人気が高まっている。本稿では,複数の既存CAM手法を組み合わせたアンサンブルに基づくメタCAMを提案する。メタCAMは既存のCAMよりも優れており、モデル予測に使用される画像の最も健全な領域を洗練している。
論文参考訳（メタデータ） (2023-07-31T17:20:48Z)
Attention-based Class Activation Diffusion for Weakly-Supervised Semantic Segmentation [98.306533433627]
クラスアクティベーションマップの抽出(CAM)は、弱教師付きセマンティックセグメンテーション(WSSS)の重要なステップである本稿では,CAMとアテンション行列を確率的拡散法で結合する新しい手法を提案し,それをAD-CAMとダブする。擬似ラベルとしてのAD-CAMは、最先端のCAMよりも強力なWSSSモデルが得られることを示す実験である。
論文参考訳（メタデータ） (2022-11-20T10:06:32Z)
Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
論文参考訳（メタデータ） (2022-10-26T15:21:39Z)
Recipro-CAM: Gradient-free reciprocal class activation map [0.0]
本稿では,アクティベーションマップとネットワーク出力の相関性を利用するために,軽量なアーキテクチャと勾配のないReciprocal CAM(Recipro-CAM)を提案する。提案手法により,Score-CAMと比較してResNetファミリーの1:78～3:72%のゲインを得た。さらに、Recipro-CAMはGrad-CAMと似たサリエンシマップ生成率を示し、Score-CAMの約148倍高速である。
論文参考訳（メタデータ） (2022-09-28T13:15:03Z)
F-CAM: Full Resolution CAM via Guided Parametric Upscaling [20.609010268320013]
クラスアクティベーションマッピング(CAM)メソッドは、最近、弱い教師付きオブジェクトローカライゼーション(WSOL)タスクに多くの注目を集めている。 CAMメソッドは通常、ResNet50のような既製のCNNバックボーンに統合される。完全分解能CAMを高精度に構築できるCAMのパラメトリックアップスケーリング法を提案する。
論文参考訳（メタデータ） (2021-09-15T04:45:20Z)
TS-CAM: Token Semantic Coupled Attention Map for Weakly Supervised Object Localization [112.46381729542658]
弱監督オブジェクトローカリゼーション(WSOL)は、画像カテゴリラベルを与えられたときに難しい問題です。長距離依存抽出のための視覚変換器における自己注意機構をフル活用するために,トークン意味結合注意マップ(TS-CAM)を導入する。
論文参考訳（メタデータ） (2021-03-27T09:43:16Z)
Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。本稿では,両問題を解決するための統一フレームワークを提案する。
論文参考訳（メタデータ） (2021-03-08T09:13:06Z)
Use HiResCAM instead of Grad-CAM for faithful explanations of convolutional neural networks [89.56292219019163]
説明法は意味のある概念を学習し、素早い相関を悪用しないモデルの開発を容易にする。一般的なニューラルネットワーク説明法であるGrad-CAMの、未認識の制限について説明する。本稿では,モデルが各予測に使用する場所のみをハイライトするクラス固有の説明手法であるHiResCAMを提案する。
論文参考訳（メタデータ） (2020-11-17T19:26:14Z)
SS-CAM: Smoothed Score-CAM for Sharper Visual Feature Localization [1.3381749415517021]
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。
論文参考訳（メタデータ） (2020-06-25T08:51:54Z)

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。