Обзор
Оригинальная статья: Визуализация глубоких сетей путем оптимизации с помощью встроенных градиентов
TL;DR
- Тепловые карты не все равны, важно то, как они соотносятся с фактической обработкой.
- Хорошая корреляция имеет основополагающее значение для понимания сильных сторон, автоматически изученных CNN, чтобы иметь возможность отлаживать NN.
Карта I-GOS намного точнее определяет сильные черты на изображении, фактически
- их удаление снижает точность CNN
- удаление пикселей, возвращаемых другими тепловыми картами, но не I-GOS, очень незначительно снижает точность CNN.
Подробности
Соответствующие показатели
- Метрики удаления
- Показатели вставки
Показатели удаления
- Состоит из удаления частей изображения и проверки влияния на окончательный прогноз.
- Ожидается, что NN сможет правильно выполнять прогнозирование до тех пор, пока не будет удалена некоторая релевантная область, после чего точность прогнозирования падает.
Показатели вставки
- Состоит из предоставления в сеть только определенных регионов и проверки влияния на окончательный прогноз
- Ожидается, что NN не сможет правильно выполнить прогноз, пока не будет добавлена некоторая релевантная область, тогда точность прогноза возрастет.
Градиенты изображения
- Рассмотрим заданное входное изображение, которое NN может классифицировать с высокой степенью достоверности.
- Рассматривайте базовое изображение как изображение, которое NN не может классифицировать каким-либо образом, например. черное или очень размытое изображение
- Преобразование базового изображения во входное изображение по всем размерам изображения (значениям в пикселях) дает (огромный) набор промежуточных изображений.
- Наблюдая за результатами НС на этих промежуточных изображениях, мы ожидаем, что точность предсказания будет улучшаться по мере того, как мы приближаемся к фактическим входным данным, но не одинаково на всех путях эволюции: на самом деле больше пути эволюции приведут к более значительным улучшениям, чем другие, потому что они несут в себе самые отличительные особенности
- В этом контексте градиент представляет изменение точности NN по отношению к изменению входных данных (эволюция)
Стратегии
- Оптимизация показателей
- Найдите тепловые карты в результате проблемы с оптимизацией, нацеленной на вышеупомянутые показатели.
2. Градиенты изображения
- И-ГОС
Работа в процессе