张 宪 史沧红 李孝杰

1(成都信息工程大学计算机学院 成都 610103) 2(西南交通大学信息科学与技术学院 成都 611765)(zhangxian317@gmail.com)

在计算机视觉中，可视化图像关键特征区域是一个重要而需要深入研究的问题.视觉特征归因(visual feature attribution)是图像可视化的新兴问题.2018年Baumgartner等人［1]发表于CVPR(computer vision and pattern recognition)的会议论文将其定义为：检测和可视化图像中特定类别的特征区域.另外，视觉特征归因问题对于弱监督目标定位、理解疾病效应和数据中的重要隐藏信息起着非常重要的作用.特别在医学临床中，医生需要根据病人病理图像或影像数据人工获取病人的疾病信息.与区分明显的自然图像不同，正常人与患者的图像特征数据通常差异性较小，因此从大量的图像数据中寻找有用的病理信息无疑单调乏味、耗时且容易出错.本文主要解决了医学图像的病变特征的标注问题，即自动显示病变区域.

弱监督目标定位与分割［2]通常采用分析训练好的卷积神经网络分类器［2]，结合类激活映射(class activation mapping， CAM)［3]、导向反向传播等方法获得最终的特征图［4]，进而确定目标位置.但此类方法通常只提供判定图像属于某种类别的大概依据(范围)，而不能实现精准定位.如在弱监督目标定位中［5-6]训练数据是弱标记的，即标签仅包括图像或视频中是否含有特定目标，而不提供该目标的具体位置信息.基于已有的数据标签信息，弱监督目标定位只有通过训练分类器结合分类特征图达到目标定位的目的.但是直接基于神……