上传者: 38608873
|
上传时间: 2021-11-23 16:39:56
|
文件大小: 89.01MB
|
文件类型: -
Matlab
CNN代码详解可解释的卷积神经网络
python代码已在发布,尽管我的研究小组未实现该代码。
下面的Matlab代码是与论文对应的原始代码。
介绍
本文提出了一种将传统卷积神经网络(CNN)修改为可解释的CNN的方法,以阐明CNN的高卷积层中的知识表示。
在可解释的CNN中,高转换层中的每个过滤器代表某个对象部分。
我们不需要对象部分或纹理的任何注释来监督学习过程。
相反,可解释的CNN在学习过程中会自动在高转换层中为每个过滤器分配一个对象部分。
我们的方法可以应用于具有不同结构的不同类型的CNN。
可解释的CNN中清晰的知识表示可以帮助人们理解CNN内部的逻辑,即,基于CNN做出决定的模式。
实验表明,可解释的CNN中的过滤器比传统CNN中的过滤器在语义上更有意义。
引文
如果使用此代码,请引用以下两篇论文。
张全世,吴应年和朱松春,“可解释的卷积神经网络”,在CVPR
2018中
张全石,王鑫,吴应年,周慧琳和朱松春,“可移植的CNN用于对象分类”,《
IEEE模式分析和机器智能交易》,2020年。DOI:10.1109
/
TPAMI.2020.2982882
代码