深度学习图像分类器INT8量化对事后显著性解释影响系统评估：解释漂移的度量、校准策略与量化感知训练分析

《Scientific Reports》：Quantifying and mitigating explanation drift under INT8 quantization in plant disease image classification

　　

摘要

深度学习图像分类器通常会被压缩为INT8以进行边缘部署，但量化对事后显著性解释的影响尚未在大规模场景下被量化评估。我们将解释漂移定义为全精度（FP32）模型与其模拟量化INT8版本之间显著性图的系统性变化，并使用三种度量指标进行衡量，同时将结果与显式的随机重叠基线进行对比：前k名交并比、前k名Dice系数和Spearman秩相关系数。我们在三个涵盖不同设计架构族的模型架构（EfficientNetV2-S、ResNet-50、MobileNetV3-Large）上评估了四种解释方法（Grad-CAM、Grad-CAM++、积分梯度、LIME），这些模型均在Paddy Disease Classification数据集（10个类别，10,407张图片）上进行了微调，在验证集分层抽样320张图片的子集上，每个操作点产生了3,240对显著性对比。一项核心方法论发现是：Grad-CAM目标层的选择——而非量化本身——决定了归因是否看起来得以保留：对于所有三个架构，使用朴素的"最后一层"启发式方法返回的最后一个模块均输出\(1\times 1\)空间张量，这会导致显著性图退化为常量，并在最多\(61.7\%\)的图像中产生虚假的归因坍缩。通过显式的空间维度准则确定各架构适当的目标层后，在3,240次对比中均未发生坍缩现象，漂移虽然显著但处于可控范围内：各架构-方法组合的平均前k名IoU在0.366至0.790之间（为随机重叠基线0.081的4.5至9.7倍），Spearman相关系数中位数为\(\rho = 0.850\)。漂移仍然强烈依赖于方法和架构，其中积分梯度的保留度最低，MobileNetV3-Large受影响的程度最大。校准策略的选择主导了部署保真度：在完整验证集上，ONNX Runtime中MinMax校准使EfficientNetV2-S和MobileNetV3-Large的FP32与INT8预测一致性分别降至0.644和0.641，而分位数校准将其恢复至0.927和0.915。引入教师-学生CAM一致性损失的解释感知量化感知训练使MobileNetV3-Large得到改善（前k名IoU提升\(16.3\%\)），但使EfficientNetV2-S相对训练后量化性能下降（\(-8.5\%\)至\(-26.0\%\)）；\(\lambda = 0\)对照组隔离了原因，表明这些变化的方向在标准QAT中已经存在，而一致性项相较于该对照组在所有九个架构-方法单元中均改善了前k名IoU（\(+0.6\%\)至\(+14.4\%\)，经Holm校正后有六个显著）。存储的完整验证集CAM摘要与主要子集在IoU上的差异最多为1.4个百分点；由于缺乏逐图像的匹配记录，独立验证受到限制。最后，辅助的标注地面实况定位摘要（执行来源未完全验证）针对SIIM-ACR胸部X光片的标注数据显示，FP32和INT8与专家掩码的重叠度均较低，说明在量化下解释的相似性不应被理解为解释的质量。分析代码、图表生成软件和衍生结果表格已公开归档。