論文の概要: Revisiting FunnyBirds evaluation framework for prototypical parts networks

• arxiv url: http://arxiv.org/abs/2408.11401v1
• Date: Wed, 21 Aug 2024 07:58:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 17:59:43.098144
• Title: Revisiting FunnyBirds evaluation framework for prototypical parts networks
• Title（参考訳）: プロトタイプ部品ネットワークのためのFunnyBirds評価フレームワークの再検討
• Authors: Szymon Opłatek, Dawid Rymarczyk, Bartosz Zieliński,
• Abstract要約: 境界ボックスと類似度マップという2種類のProtoPNet視覚化のメトリクススコアを比較した。 分析の結果,類似性マップの利用はProtoPNetの本質とよく一致していることがわかった。
• 参考スコア（独自算出の注目度）: 2.5515055736875016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prototypical parts networks, such as ProtoPNet, became popular due to their potential to produce more genuine explanations than post-hoc methods. However, for a long time, this potential has been strictly theoretical, and no systematic studies have existed to support it. That changed recently with the introduction of the FunnyBirds benchmark, which includes metrics for evaluating different aspects of explanations. However, this benchmark employs attribution maps visualization for all explanation techniques except for the ProtoPNet, for which the bounding boxes are used. This choice significantly influences the metric scores and questions the conclusions stated in FunnyBirds publication. In this study, we comprehensively compare metric scores obtained for two types of ProtoPNet visualizations: bounding boxes and similarity maps. Our analysis indicates that employing similarity maps aligns better with the essence of ProtoPNet, as evidenced by different metric scores obtained from FunnyBirds. Therefore, we advocate using similarity maps as a visualization technique for prototypical parts networks in explainability evaluation benchmarks.
• Abstract（参考訳）: ProtoPNetのようなプロトタイプ部品ネットワークは、ポストホック法よりも真に説明できる可能性から人気を博した。 しかし、このポテンシャルは長い間、厳密には理論的であり、それを支える体系的な研究は存在していない。 最近、FunnyBirdsベンチマークが導入されて、説明のさまざまな側面を評価するメトリクスが導入された。 しかし,このベンチマークでは,有界ボックスを使用するProtoPNet以外のすべての説明手法に対して,属性マップの可視化を採用している。 この選択は、FunnyBirdsの出版物で述べられている結論のスコアと疑問に大きく影響する。 本研究では,2種類のProtoPNet視覚化において得られた測定値(境界ボックスと類似度マップ)を総合的に比較した。 分析の結果,FunnyBirdsの異なる測定値から得られたように,類似性マップの利用はProtoPNetの本質とよく一致していることがわかった。 そこで我々は,説明可能性評価ベンチマークにおいて,原型部品ネットワークの可視化手法として類似性マップを提唱する。

関連論文リスト

• Rethinking Distance Metrics for Counterfactual Explainability [53.436414009687]
  本研究では, 反事実を参照領域から独立して引き出すのではなく, 基礎となるデータ分布からの参照と共同してサンプリングする, 反事実生成手法のフレーミングについて検討する。 我々は、幅広い設定に適用可能な、反ファクト的な類似性のために調整された距離メートル法を導出する。
  論文  参考訳（メタデータ） (2024-10-18T15:06:50Z)
• Keep the Faith: Faithful Explanations in Convolutional Neural Networks for Case-Based Reasoning [4.412336603162405]
  ケースベース推論のアーキテクチャがProtoPNetの例を用いて忠実な説明に必要な確立された公理を満たすか否かを評価する。 このようなアーキテクチャは、忠実な説明の抽出を可能にする。 本稿では,ProtoPFaith という名前の訓練された ProtoPNet に対する説明を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T13:36:54Z)
• Sanity checks and improvements for patch visualisation in prototype-based image classification [0.0]
  プロトタイプに基づく視覚分類のための2つの一般的な自己説明モデルに実装された視覚的手法の詳細な分析を行う。 まず、そのような手法は画像内の関心領域を正確に識別せず、従ってモデル動作を反映しないことを示す。 我々は,同じ可視化手法を共有する他のプロトタイプベースモデルに対して,本研究がもたらす意味について論じる。
  論文  参考訳（メタデータ） (2023-01-20T15:13:04Z)
• Evaluation and Improvement of Interpretability for Self-Explainable Part-Prototype Networks [43.821442711496154]
  パートプロトタイプネットワークは、固有の解釈可能性と非解釈可能ネットワークと同等の精度で、幅広い研究の関心を集めている。 本研究は,パートプロトタイプネットワークの解釈可能性について定量的かつ客観的に評価する試みである。 本研究では, 浅層深度特徴アライメントモジュールとスコアアグリゲーションモジュールを備えた高精細な部分プロトタイプネットワークを提案し, プロトタイプの解釈性を向上させる。
  論文  参考訳（メタデータ） (2022-12-12T14:59:11Z)
• Evaluating Feature Attribution Methods in the Image Domain [7.852862161478641]
  既存のメトリクスについて検討し、属性マップの評価のための新しいメトリクスの変種を提案する。 異なる帰属指標は、帰属写像の根底にある異なる概念を測っているように見える。 本稿では,あるユースケースに対して理想的な特徴属性法を特定するための一般的なベンチマーク手法を提案する。
  論文  参考訳（メタデータ） (2022-02-22T15:14:33Z)
• Rethinking Counting and Localization in Crowds:A Purely Point-Based Framework [59.578339075658995]
  そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。 我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
  論文  参考訳（メタデータ） (2021-07-27T11:41:50Z)
• Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
  ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。 統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。 包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
  論文  参考訳（メタデータ） (2021-07-25T13:18:55Z)
• Toward Scalable and Unified Example-based Explanation and Outlier Detection [128.23117182137418]
  我々は,試行錯誤の予測に例ベースの説明を与えることのできる,プロトタイプベースの学生ネットワークのより広範な採用を論じる。 類似カーネル以外のプロトタイプベースのネットワークは,分類精度を損なうことなく,有意義な説明と有望な外乱検出結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-11-11T05:58:17Z)
• Evaluation Metrics for Conditional Image Generation [100.69766435176557]
  クラス条件画像生成設定において生成モデルを評価するための2つの新しい指標を提案する。 理論的分析は、提案されたメトリクスの背景にあるモチベーションを示し、新しいメトリクスと条件のないメトリクスを結びつける。 我々は,実験的な評価を行い,その指標を条件のない変種や他の指標と比較し,既存の生成モデルの解析に利用した。
  論文  参考訳（メタデータ） (2020-04-26T12:15:16Z)
• Benchmarking Network Embedding Models for Link Prediction: Are We Making Progress? [84.43405961569256]
  我々はリンク予測のためのネットワーク埋め込み手法の最先端について光を当てた。 私たちは、一貫した評価パイプラインを使用して、過去数年間でわずかに進歩しただけであることを示しています。 我々は、標準化された評価ツールがこの状況を修復し、この分野の将来的な進歩を促進することができると論じている。
  論文  参考訳（メタデータ） (2020-02-25T16:59:09Z)

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。