精选理由
用GAP隐藏的空间证据诊断分类错误
这篇论文指出，现代图像分类器使用的全局平均池化（GAP）加线性分类头的结构，使图像级logits等于特征网格上逐点分类后logits的平均值。这种线性性意味着标准分类器本质上是多实例学习器（MIL），将图像视为空间实例的包。实验发现，即使图像级预测错误，分类器仍在特征网格中保留了空间类别证据，且现成模型（off-the-shelf models）能稳定恢复前景区域的地面真实类别。该研究将GAP隐藏的空间信息重新提取出来，为模型诊断提供了新思路。
AI 翻译 · 中文
这篇论文指出，现代图像分类器使用的全局平均池化（GAP）加线性分类头的结构，使图像级logits等于特征网格上逐点分类后logits的平均值。这种线性性意味着标准分类器本质上是多实例学习器（MIL），将图像视为空间实例的包。实验发现，即使图像级预测错误，分类器仍在特征网格中保留了空间类别证据，且现成模型（off-the-shelf models）能稳定恢复前景区域的地面真实类别。该研究将GAP隐藏的空间信息重新提取出来，为模型诊断提供了新思路。
Modern image classifiers widely adopt global average pooling (GAP) followed by a linear classification head. This linearity ensures that the image-level logits equal the average of logits obtained by applying the classif…