Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification 仮想的な注意学習を用いた細かい視覚的分類と再識別

注意メカニズムは、細部認識タスクにおいて大きな可能性を示しています。本論文では、因果推論に基づいてより効果的な注意を学習するための反実仮想注意学習方法を提案します。従来の尤度に基づいて視覚的注意を学習する多くの既存の手法とは異なり、我々は反実仮想因果性を利用して注意を学習することを提唱します。これは、注意の質を測定するツールと、学習過程を導く強力な教師信号を提供します。具体的には、反実仮想介入を通じて学習された視覚的注意がネットワーク予測に及ぼす影響を分析し、その影響を最大化することでネットワークが細部画像認識に役立つより有用な注意を学習することを目指します。経験的に、我々は本手法を細部認識タスクの広範な範囲で評価しました。これらのタスクには、視覚的注意が重要な役割を果たす細部画像分類、人物再識別、車両再識別などが含まれます。すべてのベンチマークでの一貫した改善は、我々の手法の有効性を示しています。コードは https://github.com/raoyongming/CAL で利用可能です。