Abstract
NormGrad 를 이용하여 Chest X-Ray데이터에 이물질 검증
정확도 0.862의 성능
1. Introduction
이로 인해 이미지에 이물질이 나타나므로(JFHealthcare, 2020) 진단이 어려움
여러 논문들이 좋은 화질과 나쁜 화질을 구별하는 것을 목표로 하는 분류기를 만듬
> But 오분류 생성 가능 > 이것을 해석하는 것이 검출 정확도를 향상시키는 열쇠
컴퓨터 비전에서는 이를 해결하기위해
1) 사후 설명 방법에 의한 시각적 설명 << 본논문에서 Normgrad를 이용하여 결정을 강조하여 설명
- 훈련 절차의 결과로 학습한것을 보여주기 위해 사전 훈련된 모델을 사용하여 특징맵을 만듬
e.g. ① Grad-CAM: 경사 가중 등급 활성화 맵을 사용
② Score-CAM: 활성화 지도 가중치를 위한 대체 계획
③ Guided Backpropagation, Input x Gradient: 직접 그레이디언트를 사용하여 특성 맵구성
2) 모델 내의 방법은 모델 자체 내에서 해석 가능
X-ray이미지 품질 분석을 수행하여 최초의 논문일 뿐만 아니라 의료 이미지 품질 분석에NormGrad를 사용한 연구
kt는 표적 계측 / 출력 네트워크 y / 선행 계층 p / 성공한 계층 q /
2. Method
Grad-CAM : 4단계로 feature map 구성함
g out: 해당하는 upstream gradient
1) 아래식으로 α(importance weight vector)를 만듬 ( HW 모든 픽셀에 걸쳐 평균 항으로 작용)
2) α와 x out의 연산을 통하여 공간 기여도 S를 얻음. 0보다 작은 경우가 있을때는 H*W의 형상을 가지는 m을 relu를 이용하여 포화
NormGrad frameworks
https://tyami.github.io/deep%20learning/CNN-visualization-Grad-CAM/