Key points are not available for this paper at this time.
لتحقيق فهم أفضل واستخدام الشبكات العصبية التلافيفية (CNNs)، جذبت التصورات وتفسير CNNs اهتمامًا متزايدًا في السنوات الأخيرة. بشكل خاص، تم اقتراح عدة طرق لرسم تفعيل الفئة (CAM) لاكتشاف العلاقة بين قرار CNN ومناطق الصورة. على الرغم من التصور المعقول، فإن نقص الدعم النظري الواضح والكافي هو العائق الرئيسي لهذه الطرق. في هذه الورقة، نقدم بديهيتين — الحفاظ والحساسية — إلى نموذج التصور لطرق CAM. في الوقت نفسه، تم اقتراح Grad-CAM القائم على البديهيات (XGrad-CAM) لتلبية هذه البديهيات قدر الإمكان. تظهر التجارب أن XGrad-CAM هو نسخة محسّنة من Grad-CAM من حيث الحفاظ والحساسية. إنه قادر على تحقيق أداء تصور أفضل من Grad-CAM، بينما يكون أيضًا تمييزي للفئات وسهل التطبيق مقارنة مع Grad-CAM++ و Ablation-CAM. التعليمات البرمجية متاحة على https://github.com/Fu0511/XGrad-CAM.
درس فو وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: