論文の概要: ODAM: Gradient-based instance-specific visual explanations for object detection

• arxiv url: http://arxiv.org/abs/2304.06354v1
• Date: Thu, 13 Apr 2023 09:20:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 15:13:39.474442
• Title: ODAM: Gradient-based instance-specific visual explanations for object detection
• Title（参考訳）: ODAM: オブジェクト検出のための勾配に基づくインスタンス固有の視覚的説明
• Authors: Chenyang Zhao and Antoni B. Chan
• Abstract要約: 勾配重み付き物体検出器活性化マップ(ODAM) ODAMは、各予測属性に対する検出器の決定に対する領域の影響を示す熱マップを生成する。 そこで本研究では,重複検出対象を識別するために,各予測に対してモデルの説明情報を考慮したOdam-NMSを提案する。
• 参考スコア（独自算出の注目度）: 51.476702316759635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose the gradient-weighted Object Detector Activation Maps (ODAM), a visualized explanation technique for interpreting the predictions of object detectors. Utilizing the gradients of detector targets flowing into the intermediate feature maps, ODAM produces heat maps that show the influence of regions on the detector's decision for each predicted attribute. Compared to previous works classification activation maps (CAM), ODAM generates instance-specific explanations rather than class-specific ones. We show that ODAM is applicable to both one-stage detectors and two-stage detectors with different types of detector backbones and heads, and produces higher-quality visual explanations than the state-of-the-art both effectively and efficiently. We next propose a training scheme, Odam-Train, to improve the explanation ability on object discrimination of the detector through encouraging consistency between explanations for detections on the same object, and distinct explanations for detections on different objects. Based on the heat maps produced by ODAM with Odam-Train, we propose Odam-NMS, which considers the information of the model's explanation for each prediction to distinguish the duplicate detected objects. We present a detailed analysis of the visualized explanations of detectors and carry out extensive experiments to validate the effectiveness of the proposed ODAM.
• Abstract（参考訳）: 本研究では,物体検出器の予測を可視化的に解釈する,勾配重み付き物体検出器活性化マップ(ODAM)を提案する。 中間特徴マップに流れ込む検出器ターゲットの勾配を利用して、ODAMは各予測属性に対する検出器の決定に対する領域の影響を示す熱マップを生成する。 従来の作業分類アクティベーションマップ(CAM)と比較して,ODAMはクラス固有のものではなく,インスタンス固有の説明を生成する。 本研究は,1段階検出器と2段階検出器の両方に適用可能な2段階検出器であり,高画質の視覚説明を効果的かつ効果的に生成することを示す。 次に,同一対象に対する検出のための説明と,異なる対象に対する検出に関する異なる説明の一貫性を奨励することにより,検出対象の識別に関する説明能力を向上させるための訓練手法であるオダム・トレインを提案する。 提案手法は,Odam-TrainとOdam-NMSで生成した熱マップに基づいて,モデルの説明情報を各予測に対して考慮し,重複検出対象を識別する。 本稿では,検出器の可視化説明の詳細な解析を行い,提案するODAMの有効性を検証するための広範囲な実験を行った。

関連論文リスト

• On the Inherent Robustness of One-Stage Object Detection against Out-of-Distribution Data [6.7236795813629]
  画像データ中の未知物体を検出する新しい検出アルゴリズムを提案する。 モデルによって抽出された特徴に対する次元の呪いの影響を軽減するために、教師付き次元削減技術を利用する。 これは高解像度の特徴マップを用いて、教師なしの方法で潜在的に未知の物体を識別する。
  論文  参考訳（メタデータ） (2024-11-07T10:15:25Z)
• DExT: Detector Explanation Toolkit [5.735035463793008]
  最先端の物体検出器は、高度に非線形な内部計算のためにブラックボックスとして扱われる。 本稿では,全検出器決定の全体的説明を行うオープンソースインタプリタ説明ツールキット(DExT)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T23:28:53Z)
• Explaining YOLO: Leveraging Grad-CAM to Explain Object Detections [2.0496125856846605]
  Grad-CAMをモデルアーキテクチャに統合し、結果を解析する方法を示す。 個人検出のための属性に基づく説明の計算方法を示し、結果の正規化がそれらの解釈に大きな影響を与えることを確かめる。
  論文  参考訳（メタデータ） (2022-11-22T09:19:13Z)
• OccAM's Laser: Occlusion-based Attribution Maps for 3D Object Detectors on LiDAR Data [8.486063950768694]
  本稿では,LiDAR点雲における3次元物体検出のための属性マップを生成する手法を提案する。 これらのマップは、特定のオブジェクトを予測する上で、各3Dポイントの重要性を示している。 本稿では,属性マップの詳細な評価を行い,それらが解釈可能かつ高情報であることを示す。
  論文  参考訳（メタデータ） (2022-04-13T18:00:30Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
  対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。 本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-05T02:13:35Z)
• Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
  本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。 モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。 本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
  論文  参考訳（メタデータ） (2020-03-29T04:23:22Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。