Crown-CAM: Interpretable Visual Explanations for Tree Crown Detection in Aerial Images

要約

タイトル：Crown-CAM：航空写真における木の冠検出のための解釈可能なビジュアル説明

要約：

– 黒箱モデルの視覚的説明は、説明可能な人工知能（XAI）の研究者がモデルの決定を人間が理解可能な方法で解釈することを可能にします。
– 本論文では、航空写真における木の冠検出の難しい動的な問題に信頼性の高い視覚的説明を生成し、以前の方法の不正確な位置決めと計算複雑性を克服する解釈可能なクラス活性化写像（Crown-CAM）を提案します。
– Crown-CAMは、活性化マップの非監督選択、局所スコアマップの計算、および非文脈背景の抑制から構成されており、密生した森林の木や木の冠のないシーンでの木の冠の微細な位置決めを効率的に提供します。
– さらに、IoUに基づく2つのメトリックを導入し、画像内の木の冠に関する領域や木の冠のない領域に関して生成された説明の精度と不正確さを効果的に量化します。
– 実験評価により、提案されたCrown-CAMは、チャレンジングなNEON木の冠データセットにおいて、Score-CAM、Augmented Score-CAM、およびEigen-CAM方法を平均IoU差8.7、5.3、および21.7（および3.3、9.8、および16.5）で上回り、視覚的説明の精度を向上させ（不正確さを減らす）ことが示されました。

要約(オリジナル)

Visual explanation of “black-box” models allows researchers in explainable artificial intelligence (XAI) to interpret the model’s decisions in a human-understandable manner. In this paper, we propose interpretable class activation mapping for tree crown detection (Crown-CAM) that overcomes inaccurate localization & computational complexity of previous methods while generating reliable visual explanations for the challenging and dynamic problem of tree crown detection in aerial images. It consists of an unsupervised selection of activation maps, computation of local score maps, and non-contextual background suppression to efficiently provide fine-grain localization of tree crowns in scenarios with dense forest trees or scenes without tree crowns. Additionally, two Intersection over Union (IoU)-based metrics are introduced to effectively quantify both the accuracy and inaccuracy of generated explanations with respect to regions with or even without tree crowns in the image. Empirical evaluations demonstrate that the proposed Crown-CAM outperforms the Score-CAM, Augmented Score-CAM, and Eigen-CAM methods by an average IoU margin of 8.7, 5.3, and 21.7 (and 3.3, 9.8, and 16.5) respectively in improving the accuracy (and decreasing inaccuracy) of visual explanations on the challenging NEON tree crown dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI