买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于归因推理的SAR图像分类网络可解释性分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119514702B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411540761.6，技术领域涉及：G06N5/045；该发明授权一种基于归因推理的SAR图像分类网络可解释性分析方法是由耿杰;董理嘉;张宇航;蒋雯设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于归因推理的SAR图像分类网络可解释性分析方法在说明书摘要公布了：本发明公开了一种基于归因推理的SAR图像分类网络可解释性分析方法，包括以下步骤：步骤一，获取SAR图像数据集和训练好的Transformer分类网络；步骤二，构建注意力归因度量模型，计算Transformer分类网络各层级的归因推理矩阵；步骤三，度量注意力头的贡献值，搜寻注意力机制中贡献值高的连接关系，对网络结构进行可解释性分析；步骤四，构建归因得分矩阵，量化每层输入Token对网络决策的贡献程度，对网络的关键路径进行可解释性分析；步骤五，进行非关键Token剪枝，实现Transformer分类网络的输入Token轻量化。本发明提出的归因推理可解释性分析方法，能够从网络结构分析、网络特征传递分析两个视角来解释模型的作用机理，有效地提升了基于Transformer的SAR图像分类的可解释性。

本发明授权一种基于归因推理的SAR图像分类网络可解释性分析方法在权利要求书中公布了：1.一种基于归因推理的SAR图像分类网络可解释性分析方法，其特征在于，包括以下步骤： 步骤一、获取SAR图像数据集和训练好的Transformer分类网络； 步骤二、构建注意力归因度量模型，计算Transformer分类网络各层级的归因推理矩阵； 步骤201：引入缩放因子θ控制Transformer模型内部注意力权重的强度，根据公式计算Transformer中某一层第h个头的归因推理矩阵，其中A＝[A1,A2,...,Ah,..,AH]表示该层多头注意力机制的注意力矩阵，符号⊙表示矩阵对应元素相乘，Ainfh∈Rn×n表示与第h个头注意力权重矩阵Ah对应的归因推理矩阵，表示Transformer网络Fx·沿着Ah的梯度； 步骤202：使用黎曼和公式来近似计算步骤201中的积分等式，即 其中N为采样点数； 步骤三、度量注意力头的贡献值，搜寻注意力机制中贡献值高的连接关系，对网络结构进行可解释性分析； 步骤301：对于第i个测试集样本Xi，利用归因度量模型计算得到Transformer每一层归因推理矩阵Ainfil＝[Atil,1,Atil,2,...,Atil,H]，其中l表示第l层，H表示该层网络具有的注意力头总数； 步骤302：对于第i个测试样本，利用公式计算第l层中第h个头的贡献度得分； 步骤303：依次遍历测试集的所有样本，然后利用公式对贡献度得分累加，得到第l层的注意力头贡献度； 步骤304：对每一层的注意力头贡献度进行归一化，即得到Transformer网络在SAR图像数据集上各注意力头的贡献度分布Il＝[I1,I2,...,IH]； 步骤四、构建归因得分矩阵，量化每层输入Token对网络决策的贡献程度，对网络的关键路径进行可解释性分析； 步骤401：根据步骤202得到给定样本Xi对应的第l层归因矩阵其中表示第l层中第h个头的归因矩阵； 步骤402：对于第l层中第h个头，过滤掉归因矩阵中对角线上的值和低于阈值τ的值，规避强自相关对和过弱相关对的贡献值评估影响，即其中表示过滤之后的归因矩阵，onesn×n表示值全为1的矩阵，In×n表示单位矩阵，Mn×n表示满足条件的二值矩阵； 步骤403：对于Transformer网络的第l层，需要考虑所有注意力头对模型决策的贡献程度，因此将各注意力头的归因矩阵累加，从而得到第l层的单层归因得分矩阵 步骤404：将l层之后的所有层级的单层归因得分矩阵累加，得到Transformer网络第l层的整体归因得分矩阵，即 步骤405：计算第l层中第t个Token的贡献值，其中ast,k表示第l层归因得分矩阵的第t,k个元素； 步骤五、进行非关键Token剪枝，实现Transformer分类网络输入Token上的轻量化； 步骤501：提出非关键Token的剪枝原则：当前层级被剪掉的特征Token不能在后面的所有层级中出现，即被剪掉的特征Token不应该在参与网络后续的传播；当前层级被剪掉的总Token数目应当大于或者等于前一层被剪掉的总Token数；对于每一个样本，在网络中的关键信息流应该是不同的； 步骤502：计算样本Xi在第l层被保留的关键Token索引号即 其中kl′表示在第l层需要保留的Token数量，是根据步骤505计算得到第l层所有Token的贡献值，表示索引掩码，根据步骤501的原则以阻断被剪掉的Token对后续信息流的影响； 步骤503：根据各层保留的索引号来确定样本Xi在Transformer网络中的关键Token信息流，实现网络输入Token上的轻量化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。