公开(公告)号：CN117934907A

公开(公告)日：2024-04-26

申请号：CN202311761097.3

申请日：2023-12-20

Applicant: 中国科学院信息工程研究所

Inventor： 赵月 ,  魏成安 ,  梁瑞刚 ,  陈恺

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明提出一种针对卷积神经网络的可解释性方法及系统，属于软件技术、计算机视觉和机器学习领域。本发明基于原任务数据集，提取每一个类别的非该类别数据，构建无关特征测试数据集；基于图像分类的卷积神经网络模型，通过修改架构，构建由特征提取器与可解释分类器构成的可解释模型；使用原任务数据集和无关特征测试数据集，对可解释模型进行训练；可解释模型训练完成后，对每一个测试样本进行处理，输出预测结果和对应的决策解释结果。本发明能够对每个输入特征提供详细的归因解释，用户可以获得对分类决策起关键作用的特征信息，从而得到清晰的视觉解释。