跳到正文
arXiv · 机器人与计算机视觉· Kilian G\"oller, Haadia Amjad, Steffen Seitz, Carsten Knoll, Ronald Tetzlaff·· 9 天前AI 评分19

Grad-CAM 与 CRAFT 在 CNN 架构下的可解释性研究:VGG16、ResNet50 及 ConvNeXt-Tiny 的 Faithfulness 对比分析

How a Model's Architecture and Performance Influences Explainability: A Study of Grad-CAM and CRAFT in CNN-Based Image Classification

AI 导读

该研究系统评估了 VGG16、ResNet50 和 ConvNeXt-Tiny 三种 CNN 架构在 ImageNet-1K 子集上的可解释性,发现随着训练推进,复杂架构表现出更高的 Faithfulness 但更低的 Sensitivity。

来源:arXiv · 机器人与计算机视觉 · arxiv.org