当前位置: X-MOL 学术iScience › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

通过高精度热图提高图像分类的可解释性

iScience ( IF 4.6 ) Pub Date : 2022-02-15 , DOI: 10.1016/j.isci.2022.103933
Konpat Preechakul 1, 2 , Sira Sriswasdi 2, 3, 4 , Boonserm Kijsirikul 1 , Ekapol Chuangsuwanich 1, 2
Affiliation  


深度学习模型越来越多地用于基于图像的分类。在医学成像等关键应用中,以人类可理解的形式传达模型决策背后的推理非常重要。在这项工作中,我们提出了金字塔定位网络(PYLON),这是一种深度学习模型,通过提高类激活图(CAM)生成的热图的分辨率来提供精确的位置解释。 PYLON 显着提高了一般图像和医学图像领域 CAM 热图的质量,并且擅长精确定位小物体的位置。最重要的是,PYLON 不需要专家对对象位置进行注释,而是可以仅使用图像级标签进行训练。此功能对于通常无法获得专家注释或获取专家注释成本高昂的领域尤其重要。我们还展示了一种在小型数据集上应用 PYLON 的有效迁移学习方法,并总结了有助于更广泛采用该技术的技术指南。





"点击查看英文标题和摘要"

更新日期:2022-02-15
down
wechat
bug