【论文笔记】CVPR2020 Interpretable and Accurate Fine-grained Recognition via Region Grouping

最新推荐文章于 2024-09-13 08:41:48 发布

原创

最新推荐文章于 2024-09-13 08:41:48 发布 · 2.1k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #机器学习

该论文提出了一种可解释的深度模型用于细粒度视觉识别，不仅进行分类，还能输出对象部分的分割和它们对分类的贡献。利用先验知识确定对象部分，通过比较输入特征与部分字典得到软部分分配图，并计算注意力图。在损失函数中加入正则化项，使学习到的部分概率与先验概率分布对齐，提高了模型的解释性。实验结果展示了与其他方法相比，该模型在分类和定位错误方面的优势。

在这里插入图片描述

Contribution

proposed an interpretable deep model for fine-grained visual recognition:

做细粒度分类，但同时output the segmentation of object parts and the identification of their contributions towards classification，增加了模型的可解释性
为了确认object parts，使用a simple prior (prior knowledge)。利用assumption：给定一张图，某个part出现的概率符合Beta distribution（beta distribution具体没懂，之后再了解）。

Methods

region-based part discovery and attribution

输入图片。输出类别，assignment map（区域分割），attention map（标出重要区域）。分三步：
1. compare input feature X with part dictionary D, 得到soft part assignment map Q.
2. 根据Q 和D，从X中pool出region features Z。再根据Z 进一步计算attention a。
3. 用a reweight Z，算出最终结果。