ODAM: Gradient-based instance-specific visual explanations for object detection

要約

タイトル： ODAM：物体検出の勾配ベースのインスタンス固有の視覚的説明

要約：

– ODAMは物体検出器の予測解釈のためのビジュアル説明技術を提案する。
– ODAMは、中間フィーチャーマップに流れる検出器ターゲットの勾配を利用して、各予測属性の検出器の決定に対する領域の影響を示すヒートマップを生成する。
– ODAMは、以前の作品の分類活性化マップ（CAM）と比較して、クラス固有の説明ではなくインスタンス固有の説明を生成する。
– ODAMは、異なるタイプの検出器バックボーンとヘッドを持つ1ステージ検出器と2ステージ検出器の両方に適用できます。
– ODAMは、最新技術よりも効果的かつ効率的に高品質の視覚的説明を生成することが示されている。
– Odam-Trainというトレーニング方法を提案し、同じオブジェクトでの検出の説明の一貫性と、異なるオブジェクトでの検出の異なる説明の促進によって、検出器の物体識別能力を改善する。
– ODAMによって生成されたヒートマップとOdam-Trainによって提供されたトレーニングに基づいて、各予測のモデルの説明情報を考慮して重複して検出されたオブジェクトを区別するOdam-NMSを提案する。
– 研究者は、視覚化された検出器の説明の詳細な分析を示し、提案されたODAMの効果を検証するために広範な実験を実施する。

要約(オリジナル)

We propose the gradient-weighted Object Detector Activation Maps (ODAM), a visualized explanation technique for interpreting the predictions of object detectors. Utilizing the gradients of detector targets flowing into the intermediate feature maps, ODAM produces heat maps that show the influence of regions on the detector’s decision for each predicted attribute. Compared to previous works classification activation maps (CAM), ODAM generates instance-specific explanations rather than class-specific ones. We show that ODAM is applicable to both one-stage detectors and two-stage detectors with different types of detector backbones and heads, and produces higher-quality visual explanations than the state-of-the-art both effectively and efficiently. We next propose a training scheme, Odam-Train, to improve the explanation ability on object discrimination of the detector through encouraging consistency between explanations for detections on the same object, and distinct explanations for detections on different objects. Based on the heat maps produced by ODAM with Odam-Train, we propose Odam-NMS, which considers the information of the model’s explanation for each prediction to distinguish the duplicate detected objects. We present a detailed analysis of the visualized explanations of detectors and carry out extensive experiments to validate the effectiveness of the proposed ODAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI