这篇文章提出了一种对那些用热力图解释神经网络分类依据方法的效果进行客观比较的方法。而不是人主观的去肉眼比较,用到的数据集是SUN397,ILSVRC2012,MITPlaces,这三个数据集很重要。最终发现Layer-wise Relavance propogation (LRP这个方法的可视化效果)比基于敏感度的方法和基于反卷积的方法要好。
2019-08-13 Evaluating the visualization of what a Deep Neural Network has learned
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- 每个UIView有一个伙伴称为layer,一个CALayer。UIView实际上并没有把自己画到屏幕上;它绘制本身...
- 简介 文章第一次成功的实现了当时最大、最深的深度卷积神经网络(CNN),依据此模型在ImageNet LSVRC-...
- 由于简书对latex公式支持不太友好,因此为了更好的阅读体验,你可以移步至: 【TPAMI重磅综述】 SIFT与C...