【论文标题】EXTRACTING CAUSAL VISUAL FEATURES FOR LIMITED LABEL CLASSIFICATION 【作者团队】Mohit Prabhushankar，Ghassan AlRegib 【发表时间】2021/03/18 【机构】佐治亚理工学院 【论文链接】https://arxiv.org/pdf/2103.12322.pdf 【推荐理由】 本文出自佐治亚理工学院，作者提出了一种基于 Grad-CAM 的因果视觉特征提取方法，以及一种基于对比特征的上下文特征提取方法，该方法提取的因果特征可以有效地在网络之间迁移。

被训练用于对图像进行分类的神经网络通过识别能够区分各个类图像的特征来识别图像。这些特征集要么是因果的，要么是与上下文相关的。Grad-CAM 是一种流行的可视化方法，它可以对因果特征和上下文相关的特征进行可视化。 在本文中，作者形式化定义了这种特征划分，并提供了一种根据 Grad-CAM 提取因果特征的方法。作者通过将上下文特性定义为使我们可以在预测类和任何对比类之间进行对比的特性来提取上下文特征。接着，作者应用集合论方法来区分 COVID-19 CT 切片的因果特征和对比特征。 作者通过实验说明，使用哈夫曼编码编码时，具有所提出的因果特征的图像区域需要的比特数平均比 Grad-CAM 少 15%，且平均能够提高 3% 的分类精度。此外，作者验证了因果特征在网络之间的可迁移性，并对当前网络的人类不可解释的因果性质进行了说明。

图 1：问题的形式化定义

内容中包含的图片若涉及版权问题，请及时与我们联系删除