arXiv · 机器人与计算机视觉· Sumit Tahiliani, Avi Mathur, Sandarbh Agarwal, Rakshith Sathish, Ashwathi Nambiar·· 2 天前AI 评分44
光谱波段归因的“可解释性幻觉”:卫星时序作物分类中的合理性检查
Illusion of Explainability: A Sanity Check for Spectral Band Attribution in Satellite Time-Series Crop Classification
AI 导读
GradientSHAP、Shapley 采样和遮挡法在基于 Sentinel-2 时序的 U-TAE 模型上均识别出符合领域知识的植被敏感区,但重训练实验显示这些归因排名无法可靠预测性能提升。重新使用最低排名波段训练的模型表现相当或更优,且独立模型得出的前五位波段子集能带来更好效果。研究揭示了光谱冗余输入空间中,看似可信的归因排名未必对应任务相关波段,警示了波段级特征归因在有效性验证上的局限。
来源:arXiv · 机器人与计算机视觉 · arxiv.org