文献

J-GLOBAL ID：202202284077107150   整理番号：22A0623583

クラス識別デコンボリューションによる畳込みニューラルネットワークのための細粒視覚的説明【JST・京大機械翻訳】

Fine-grained visual explanations for the convolutional neural network via class discriminative deconvolution

著者 (5件)： Si Nianwen (Information Engineering University, Zhengzhou, Henan, China) ,  Zhang Wenlin (Information Engineering University, Zhengzhou, Henan, China) ,  Qu Dan (Information Engineering University, Zhengzhou, Henan, China) ,  Chang Heyu (Information Engineering University, Zhengzhou, Henan, China) ,  Zhao Dongning (Shenzhen Vetose Technology Co. Ltd, Shenzhen, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 2  ページ： 2733-2756  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深い畳み込みニューラルネットワークは広く研究され,多くのコンピュータビジョンタスクに適用されている。しかし,それらはブラックボックスとして一般的に処理され,拡張性によって悩まされる。本論文では,画像分類の分野で畳込みニューラルネットワークを視覚的に解釈する新しい方法を提案した。提案手法は,特定の予測に寄与する重要な入力特徴を強調する,細粒およびクラス識別型ヒートマップを生成することができる。特に,修正デコンボリューションとピクセルワイズGrad-CAMの組み合わせを通して,微細粒熱マップと識別マスクを融合して,細粒デコンボリューション特性を達成し,Grad-CAMのクラス識別性を保持し,熱マップの解釈効果を強化した。ILSVRC 2012データセットとPASCAL VOC 2012データセットに関する定性的および定量的実験の両方を実施した。結果は,提案方法が,以前の方法と比較して,特に単純な文脈で小さな物体を可視化するために,より少ないノイズでより良い視覚効果を達成することを示した。さらに,この方法は弱い教師つきインスタンスセグメンテーションタスクに対して適度に効果的な性能を実現することができるが,既存の方法は弱い教師つきオブジェクト位置決めに対してのみ動作する。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *視覚 ,  分類 ,  地図 ,  *ニューラルネットワーク ,  特徴抽出 ,  位置決め ,  認識 ,  可視化 ,  *デコンボリューション ,  ブラックボックス ,  視覚効果 ,  コンピュータビジョン
準シソーラス用語： 画像分類 ,  顕著性マップ ,  ヒートマップ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク ,  視覚的説明 ,  顕著性マップ ,  Grad-CAM ,  デコンボリューション

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 (7件)： クラス ,  識別 ,  デコンボリューション ,  畳込みニューラルネットワーク ,  細粒 ,  視覚 ,  説明