首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

深度学习可解释方法及设备、存储介质和程序产品 

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!

申请/专利权人:北京航空航天大学

摘要:本发明提供一种深度学习可解释方法及设备、存储介质和程序产品,其中深度学习可解释方法,先针对获取的待解释图像确定待解释图像中的待解释类别,然后再基于预设深度学习可解释模型,确定所述待解释类别的解释结果。由于所述预设深度学习可解释模型包括先获取所述待解释图像中每一个像素点加噪后的平均收益、再根据所述平均收益确定针对所述待解释类别的目标像素点、后基于所述目标像素点的深度学习程度确定所述待解释类别的解释结果,以此实现通过开发和探索每个像素点的重要性达到确定用于解释图像中类别的目标像素点目的,不仅时间成本低,而且也提高了图像中类别的解释精度和解释准确性。

主权项:1.一种深度学习可解释方法,其特征在于,包括:获取待解释图像,并确定所述待解释图像中的待解释类别;基于预设深度学习可解释模型,确定所述待解释类别的解释结果;其中,所述预设深度学习可解释模型包括先获取所述待解释图像中每一个像素点加噪后的平均收益、再根据所述平均收益确定针对所述待解释类别的目标像素点、后基于所述目标像素点的深度学习程度确定所述待解释类别的解释结果;在所述预设深度学习可解释模型包括第一预设学习模型和第二预设学习模型的情况下,所述基于预设深度学习可解释模型,确定所述待解释类别的解释结果,包括:将所述待解释图像输入所述第一预设学习模型中,得到所述待解释图像中每一个像素点加噪后的平均收益;其中,所述第一预设学习模型用于先对所述待解释图像中每一个像素点添加第一噪声、后根据添加所述第一噪声后的待解释图像确定所述平均收益;将所述平均收益和所述添加所述第一噪声后的待解释图像输入所述第二预设学习模型中,得到所述待解释类别的解释结果;其中,所述第二预设学习模型包括先根据所述平均收益确定所述待解释图像中每个像素点添加所述第一噪声及第二噪声后得到的初始重要像素点、再根据所述每个像素点添加所述第一噪声及第二噪声后的收益更新所述初始重要像素点后得到用于解释所述待解释类别的目标像素点、后基于所述目标像素点的深度学习程度确定所述待解释类别的解释结果,所述深度学习深度用于表征以所述目标像素点为中心执行加噪及学习的次数。

全文数据:

权利要求:

百度查询: 北京航空航天大学 深度学习可解释方法及设备、存储介质和程序产品

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。