目标检测的解释不再只靠相似度:把遮挡造成的检测损失变化变成0到1的重要性分数
核心概要
目标检测模型要同时说明检测到什么和在哪里,而常用的遮挡式解释方法D-RISE只用检测框与类别相似度给像素加权,缺少与检测性能直接挂钩的数值分数。这项研究改用检测损失在随机遮挡下的上升幅度定义每个像素的重要性,把分类置信度与定位质量一起计入,并归一化到0到1。在COCO和两个工业数据集上,该方法给出的显著图集中在预测框内,删除高排名像素会带来可测量的检测置信度下降。
深度剖析
目标检测的解释现在可以给出一个与检测性能直接对应的数值分数,而不只是热力图。 此前面向检测的遮挡式方法D-RISE用检测框重叠、类别概率和目标性分数构造相似度来给掩码加权,得到的是相对重要性,没有与损失挂钩的绝对分数。 在COCO、螺丝检测和屏幕与边框检测三个数据集上,同一训练好的YOLO检测器分别用D-RISE和新分数生成解释,新方法在相同掩码参数下给出与预测框一致的显著图。
做法是把一张图随机遮住若干区域,看目标检测的损失上升多少,上升越多说明该区域越关键。 这里用的检测损失由目标类别的预测概率和原图框与遮挡后框的交并比两项组成,同时惩罚分类错误和定位偏差。 实验使用Ultralytics的轻量YOLO11模型,COCO用YOLO11s,两个工业数据集用YOLO11n,每个数据集按物体尺度生成约2500到2800个随机掩码。
分数被归一化到0到1,便于跨像素、跨图像比较,也能在物体、图像和模型三个层级汇总。 原始重要性是遮挡前后检测损失之差,若遮挡没有增加损失则记为零。 在物体层级,COCO卡车检测的重要性重叠比为0.461、删除曲线下面积为0.230,工业屏幕边框检测分别为0.454和0.331,删除最显著像素后检测置信度出现可测量的下降。
启示与展望
演示范围是COCO以及RoboSAPIENS项目提供的螺丝检测和屏幕与边框检测两个工业数据集,检测器为Ultralytics的轻量YOLO11;定量结果来自为展示不同物体类型和尺度行为而选取的代表性检测,而非大规模基准。
所用的检测损失是简化代理,并非YOLO等现代检测器的实际训练损失;删除曲线下面积随物体尺寸和场景复杂度变化,小物体如螺丝和行人的重要性重叠比更低;对掩码数量、分辨率和采样随机性的敏感性分析被列为后续工作。
