Nuove metriche e metodi per la valutazione e il perfezionamento delle CAM
Un nuovo dataset sintetico con attribuzioni ground-truth accurate è stato sviluppato dai ricercatori per valutare le mappe di attribuzione di classe (CAM) utilizzate nelle reti neurali convoluzionali. Hanno introdotto ARCC, una metrica composita progettata per individuare più efficacemente spiegazioni affidabili, insieme a RefineCAM, una tecnica che genera mappe di attribuzione ad alta risoluzione combinando CAM provenienti da vari strati della rete. Questa ricerca affronta problemi legati alla valutazione delle CAM e ai vincoli posti dagli output a bassa risoluzione.
Fatti principali
- arXiv:2605.14641v1
- Introdotto dataset sintetico con attribuzioni ground-truth
- Proposta metrica composita ARCC
- Il metodo RefineCAM produce mappe di attribuzione ad alta risoluzione
- Le CAM forniscono spiegazioni locali per le decisioni delle CNN
- Sfida di valutazione dovuta alla mancanza di spiegazioni ground-truth
- La maggior parte dei metodi CAM produce mappe a bassa risoluzione
- RefineCAM aggrega CAM attraverso più strati della rete
Entità
Istituzioni
- arXiv