Fugu-MT 論文翻訳(概要): Use HiResCAM instead of Grad-CAM for faithful explanations of convolutional neural networks

論文の概要: Use HiResCAM instead of Grad-CAM for faithful explanations of convolutional neural networks

arxiv url: http://arxiv.org/abs/2011.08891v4
Date: Sun, 21 Nov 2021 01:35:57 GMT
ステータス: 処理完了
システム内更新日: 2022-09-24 16:29:24.310062
Title: Use HiResCAM instead of Grad-CAM for faithful explanations of convolutional neural networks
Title（参考訳）: Grad-CAMの代わりにHiResCAMを用いる畳み込みニューラルネットワークの忠実な説明
Authors: Rachel Lea Draelos, Lawrence Carin
Abstract要約: 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。
参考スコア（独自算出の注目度）: 89.56292219019163
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Explanation methods facilitate the development of models that learn meaningful concepts and avoid exploiting spurious correlations. We illustrate a previously unrecognized limitation of the popular neural network explanation method Grad-CAM: as a side effect of the gradient averaging step, Grad-CAM sometimes highlights locations the model did not actually use. To solve this problem, we propose HiResCAM, a novel class-specific explanation method that is guaranteed to highlight only the locations the model used to make each prediction. We prove that HiResCAM is a generalization of CAM and explore the relationships between HiResCAM and other gradient-based explanation methods. Experiments on PASCAL VOC 2012, including crowd-sourced evaluations, illustrate that while HiResCAM's explanations faithfully reflect the model, Grad-CAM often expands the attention to create bigger and smoother visualizations. Overall, this work advances convolutional neural network explanation approaches and may aid in the development of trustworthy models for sensitive applications.
Abstract（参考訳）: 説明手法は、意味のある概念を学習し、スプリアス相関を利用するのを避けるモデルの開発を促進する。勾配平均化ステップの副作用として、Grad-CAMはモデルが実際に使用していない場所を強調することがある。この問題を解決するため,我々は,モデルが各予測に使用する場所のみを強調表示できる,新しいクラス固有の説明手法であるhirescamを提案する。我々は、HiResCAMがCAMの一般化であり、HiResCAMと他の勾配に基づく説明法との関係を探求する。クラウドソースによる評価を含むPASCAL VOC 2012の実験では、HiResCAMの説明がモデルを忠実に反映している一方で、Grad-CAMはより大きく滑らかな可視化を作成するために注意を拡大することが多い。全体として、この研究は畳み込みニューラルネットワークの説明アプローチを前進させ、センシティブなアプリケーションのための信頼できるモデルの開発を支援する可能性がある。

関連論文リスト

SIGMA:Sinkhorn-Guided Masked Video Modeling [69.31715194419091]
SIGMA (Sinkhorn-guided Masked Video Modelling) は、新しいビデオ事前学習法である。時空管の特徴を,限られた数の学習可能なクラスタに均等に分散する。 10個のデータセットによる実験結果から,より高性能で時間的,堅牢な映像表現を学習する上で,SIGMAの有効性が検証された。
論文参考訳（メタデータ） (2024-07-22T08:04:09Z)
Generalizing GradCAM for Embedding Networks [0.0]
本稿では,組込みネットワークのためのGrad-CAMを一般化した EmbeddingCAM を提案する。提案手法の有効性をCUB-200-2011データセットに示すとともに,そのデータセットに対する定量的,定性的な分析結果を示す。
論文参考訳（メタデータ） (2024-02-01T04:58:06Z)
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)
Empowering CAM-Based Methods with Capability to Generate Fine-Grained and High-Faithfulness Explanations [1.757194730633422]
本稿では,CAM法を拡張したFG-CAMを提案する。提案手法は, CAM法の特徴を変化させることなく, CAM法の欠点を解消するだけでなく, LRPとその変種よりも忠実である詳細な説明も生成する。
論文参考訳（メタデータ） (2023-03-16T09:29:05Z)
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)
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)
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)
Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文参考訳（メタデータ） (2021-11-24T01:14:33Z)
Axiom-based Grad-CAM: Towards Accurate Visualization and Explanation of CNNs [29.731732363623713]
クラスアクティベーションマッピング(CAM)手法は,CNNの決定領域と画像領域の関連性を明らかにするために提案されている。本稿では,CAM手法の可視化パラダイムに2つの公理(保存と感性)を導入する。これらの公理をできるだけ満たすために、専用公理系Grad-CAM (XGrad-CAM) が提案されている。
論文参考訳（メタデータ） (2020-08-05T18:42:33Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。