【Group-CAM】Grad-CAMはもう古い？最先端のCNNにおける判断根拠手法
3つの要点 ✔️ 特徴量マップのノイズを排除する機構を含む ✔️ 高速な顕著性マップの推論が可能 ✔️ いくつかの実験で計算コストが少ないにも関わらずSOTAを達成 Group-CAM: Group Score-Weighted Visual Explanations for Deep Convolutional Networks written by Qinglong Zhang, Lu Rao, Yubin Yang (Submitted on 25 Mar 2021 (v1), last revised 19 Jun 2021 (this version, v4)) Comments: Published on arxiv. Subjects: Computer Vision and Pattern Recognition (cs.CV); Artificial Intelligen
【CNN+Grad-CAM】仕組みの解説と画像の予測根拠可視化 - ころがる狸
こんばんは、Dajiroです。本ブログでは既に画像を予測する方法を学びましたが、今回はCNNによる画像予測の根拠についてご紹介します。その代表的な技術である(Guided) Grad-CAMについての仕組み解説と、実際に得られた予測根拠を見ていきます。 画像認識についてのワークフローはこちらの記事をご覧ください。 dajiro.hatenablog.com また、本技術の元論文はこちらです。 arxiv.org Grad-CAMの仕組み ワークフロー 順方向計算と勾配計算 グローバルアベレージプーリングと重み付き和 Grad-CAMの問題点と解決策 おわりに Grad-CAMの仕組み Grad-CAMとは【Gradient-weighted Class Activation Mapping】の略で、一言で要約すると予測値に対する勾配を重み付けすることで、重要なピクセルを可視化する技術です。
ディープラーニングの判断根拠を理解する手法 - Qiita
ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在しており、そこから学習された「何か」を人間が理解可能な形で取り出すというのは至難の業です。 例題：このネットワークが何を根拠に猫を猫として判断しているか、ネットワークの重みを可視化した上図から答えよ(制限時間:3分) image from CS231n Visua
日本一詳しくGrad-CAMとGuided Grad-CAMのソースコードを解説してみる(Keras実装) - Qiita
背景 今更ながらGrad-CAMとGuided Grad-CAMを使う機会があったので、Keras実装のメジャーっぽいリポジトリを改造して利用したのですが、結構詰まりポイントが多かったので(私だけ？)復習もかねてソースコードを解説しようと思います。 そもそもGrad-CAM, Guided Grad-CAMとは？ 簡単に言ってしまうと、CNNの判断根拠の可視化技術になります。 私は可視化については完全にビギナーなのですが、そんな私でも知ってるぐらい可視化の中ではメジャーどころなのではないでしょうか。 論文は2017に出されているので、おそらく発展手法(Grad-CAM++とか?)も沢山出ているとは思いますが、ビギナーなので情報の充実しているGrad-CAMを今回は使ってみました。 Grad-CAMの論文 見たことがあるかも知れませんがこちらがGrad-CAMとGuided Grad-CAM
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
