Poly-CAM : Carte d'Activation de Classe à Haute Résolution pour Réseaux de Neurones Convolutionnels

Résumé La demande pour une IA explicable continue de croître parallèlement aux avancées dans la technologie d'apprentissage profond. Les méthodes existantes telles que les réseaux de neurones convolutionnels peinent souvent à localiser avec précision les caractéristiques de l'image justifiant la prédiction d'un réseau en raison de cartes de saillance basse résolution (par ex., CAM), de visualisations douces issues de techniques basées sur la perturbation, ou de nombreux points isolés dans les approches basées sur les gradients. En réponse, notre travail cherche à fusionner les informations des couches antérieures et postérieures au sein du réseau pour créer des cartes d'activation de classe à haute résolution qui non seulement maintiennent un niveau de compétitivité avec les méthodes précédentes en termes de métriques de fidélité d'insertion-suppression, mais les surpassent également de manière significative en ce qui concerne la précision de la localisation des caractéristiques spécifiques aux classes.