Explainable Face Verification via Feature-Guided Gradient Backpropagation

要約

近年、顔認識 (FR) 技術が大幅に進歩し、その応用は人々の生活やセキュリティが重要な分野に広く普及しています。
このようなシステムの決定に対する信頼できる解釈の必要性が高まっています。
さまざまなメカニズムに依存する既存の研究では、説明アプローチとして顕著性マップの使用が調査されていますが、さまざまな制限があります。
この論文では、まず、顔画像とその深度表現との間の空間的関係を、勾配逆伝播を介して調査します。
そこで、新しい説明アプローチ FGGB が考案されました。これは、FR システムの「受け入れ」と「拒否」の決定を説明するための、正確で洞察力に富んだ類似性および非類似性顕著性マップを提供します。
広範な視覚的プレゼンテーションと定量的測定により、FGGB が現在の最先端の説明可能な顔検証アプローチと比較して、類似性マップと非類似性マップの両方で優れたパフォーマンスを達成することが示されました。

要約(オリジナル)

Recent years have witnessed significant advancement in face recognition (FR) techniques, with their applications widely spread in people’s lives and security-sensitive areas. There is a growing need for reliable interpretations of decisions of such systems. Existing studies relying on various mechanisms have investigated the usage of saliency maps as an explanation approach, but suffer from different limitations. This paper first explores the spatial relationship between face image and its deep representation via gradient backpropagation. Then a new explanation approach FGGB has been conceived, which provides precise and insightful similarity and dissimilarity saliency maps to explain the ‘Accept’ and ‘Reject’ decision of an FR system. Extensive visual presentation and quantitative measurement have shown that FGGB achieves superior performance in both similarity and dissimilarity maps when compared to current state-of-the-art explainable face verification approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google