CVPRNov, 2017
训练、诊断和修复:一种可解释的细粒度动作识别方法
Train, Diagnose and Fix: Interpretable Approach for Fine-grained Action Recognition
Jingxuan Hou, Tae Soo Kim, Austin Reiter
TL;DR该论文提出了一种利用系统化解释来解释 Residual Temporal Convolutional Networks 模型参数和隐藏表示的方法,同时基于模型解释分析的发现,提出一种针对各种识别模型的目标细化技术,验证表明该方法是一种有效的模型学习策略,使得多流 Residual Temporal Convolutional Network 在行为识别中表现出卓越的性能。