arXiv · 机器人与计算机视觉· Md Raisul Kibria, S\'ebastien Lafond·· 29 天前AI 评分23
CUB-200 细粒度分类中语言预训练对表征语义的影响评估框架
Assessing Representation Semantics Under Language Pretraining in Fine-Grained Classification
AI 导读
针对低数据细粒度视觉任务,该研究提出基于注意力与梯度滚动的可解释性框架,直接对比分类监督与图生文监督下的编码器表征。实验显示,在 CUB-200 及 Oxford-IIIT Pet 数据集上,图生文监督生成的表征对显著区域移除更敏感且更少依赖背景,而分类监督则对低显著性区域去除更具鲁棒性。该框架为量化评估训练策略差异提供了超越下游准确率的系统基础。
来源:arXiv · 机器人与计算机视觉 · arxiv.org