文献

J-GLOBAL ID：202202231198787762   整理番号：22A0913190

離散マスク生成による画像分類器の解釈【JST・京大機械翻訳】

Interpreting Image Classifiers by Generating Discrete Masks

著者 (5件)： Yuan Hao (Department of Computer Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Cai Lei (School of Electrical Engineering and Computer Science, Washington State University, Pullman, WA, USA) ,  Hu Xia (Department of Computer Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Wang Jie (Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei, China) ,  Ji Shuiwang (Department of Computer Science and Engineering, Texas A&M University, College Station, TX, USA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 44  号： 4  ページ： 2019-2030  発行年： 2022年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深いモデルはブラックボックスとして一般的に処理され,解釈不能性を欠く。ここでは,離散マスクを生成することにより,深い画像分類器を解釈するための新しい方法を提案した。この方法は,生成敵対ネットワーク形式に従う。解釈すべき深いモデルは識別器であり,一方,それを説明するために発電機を訓練する。発電機は,モデルの展望から元の画像と同じか類似の意味を伝えるべき識別画像領域を捕捉するために訓練された。離散マスクをサンプリングできる確率マップを生成した。次に,識別器を用いて,サンプリングマスクの品質を測定し,更新のためのフィードバックを提供した。サンプリング操作のため,発電機は逆伝搬によって直接訓練できない。政策勾配を用いてそれを更新することを提案する。さらに,探索空間を減らし訓練を容易にするための補助情報として勾配を組み込むことを提案した。ILSVRCデータセットの定量的および定性的実験の両方を行った。実験結果は,著者らの方法が予測のために合理的説明を提供して,既存の方法より優れていることを示した。さらに,提案手法はモデルランダム化テストを通過でき,ネットワーク予測の属性を推論することを示している。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 弁別器 ,  ネットワーク ,  勾配 ,  ブラックボックス ,  *画像 ,  属性
準シソーラス用語： 探索空間 ,  *画像分類 ,  ランダム化 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： マスク ,  画像分類