使用 Grad-CAM 进行视觉解释是否更可靠于深度神经网络？自动气胸诊断的案例研究
原文中文，约200字，阅读约需1分钟。发表于：。对不同深度学习模型的 Gradient-weighted Class Activation Mapping (Grad-CAM) 方法在自动胸部 X 光扫描中的气胸诊断中的鲁棒性和有效性进行了研究，结果显示深度神经网络并不一定能够显著提高气胸诊断的准确性，Grad-CAM 的有效性也随着网络架构的不同而变化。
本文介绍了一种名为Score-CAM的新型可解释性模型，通过目标类的前向传递得分获得每个激活映射的权重，并通过线性组合得到最终结果。该方法在视觉性能、公平性、识别和定位任务以及调试工具方面表现出色，并通过测试验证了其独立性。
