Analyzing Classifiers: Fisher Vectors and Deep Neural Networks(CVPR 2016)
CVPR上的文章,不读一读,你会后悔的。
原文链接:Analyzing Classifiers: Fisher Vectors and Deep Neural Networks
每次读论文都会犯困,除非,我真的看懂了-_-. 所以边做笔记边读,成了读论文的一个好方法。(因为写的时候可以转移注意力啊!!!) 不想简单翻译论文,读的过程中难免有不懂的地方,毕竟小白,有问题请指正。
摘要
利用LRP(Layer-wise Relevance Propagation)构架对FV(Fisher vector)和DNNs(Deep Neural Networks)进行对比。主要进行了3个方面的比较:1)评估分类内容的重要性;2)在重要的图像区域方面进行FV和DNNs的比较;3)检测数据潜在的裂缝(原文flaws)和偏见(原文biases)。 这篇文章利用PASCAL VOC 2007和 ILSVRC 2012数据集。
贡献
- 把On pixel-wise explanations for non-
linear classifier decisions by layer-wise relevance propaga-
tion方法用到FV上,第一次使用相关的传播用到FV上; - 对于单一测试图片用于预测的大量内容进行相关处理;
- 作者使用PASCAL数据集是因为他有bounding box可以作为ground truth;
- 作者的方法能够识别内容和偏离,即使不适用bounding box信息。