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！

龙图腾网获悉北京航空航天大学申请的专利一种基于量化评估和可解释性方法的目标检测网络评估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：CN116704297B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310667379.0，技术领域涉及：G06V10/776；该发明授权一种基于量化评估和可解释性方法的目标检测网络评估方法是由肖瑾;刘文瑞;赵佳佳;姜灏;胡晓光;李亚航设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种基于量化评估和可解释性方法的目标检测网络评估方法在说明书摘要公布了：本发明涉及一种基于量化评估和可解释性方法的目标检测网络评估方法。本发明结合了量化评估和可解释性方法，可以更全面和准确地评估目标检测网络的性能和决策依据。本发明使用多个量化评估指标准确率、召回率、平均精度、FPS对目标检测网络进行全面评估。提出了一种基于扰动和类激活映射的可解释性方法，可以帮助用户理解目标检测网络的决策过程。提出了一种基于梯度下降法和正则化技术的可视化方法，可以帮助用户理解目标检测网络包含的语义。本发明提出的可解释性方法可以直观地展示目标检测网络的内部运作过程和知识，从而增强了模型的可解释性，提高模型结果的可信度。实验结果表明，本发明可以有效地评估目标检测网络的性能，提高模型的可解释性，可用于目标检测网络的设计、评估和改进。

本发明授权一种基于量化评估和可解释性方法的目标检测网络评估方法在权利要求书中公布了：1.一种基于量化评估和可解释性方法的目标检测网络评估方法，其特征在于，综合了量化评估和可解释性方法，从不同的角度评估了基于深度神经网络的目标检测算法的性能，提高了目标检测网络的可解释性，增强了模型预测结果的可信度，并且可以针对不同的应用场景和需求进行定制和调整，以实现更精确的评估；所述评估方法包括以下步骤： 步骤S1：确定评估目标和指标，明确要评估的目标检测网络和相关评估指标； 步骤S2：数据采集和预处理：收集图片并进行预处理，构建用于训练模型的训练集、用于评估模型性能的测试集和用于生成解释的样本； 步骤S3：在训练集上训练选定的目标检测网络； 步骤S4：使用测试集对目标检测网络进行评估，计算量化评估指标，可用的指标包括准确率、召回率、平均精度，FPS； 步骤S5：提出基于扰动和类激活映射的可解释性方法对目标检测网络进行解释，分析目标检测网络的可解释性，计算可解释性分数；提出针对目标检测网络的基于扰动和类激活映射的可解释性方法，并用显著图的方式将解释结果进行展示；从目标检测网络最后一层卷积层生成特征激活图像掩码，先将最后一个卷积层每个通道的输出提取出来，然后对每个通道的值进行二值化处理，将特征激活图转换为二进制掩码，将特征激活掩码与输入图像做哈达玛积得到特征激活图像掩码；计算每个特征激活图像掩码的锚框和原始输入图像的锚框之间的IoU值，IoU是产生的候选框与原标记框的交叠率；计算特征激活图像掩码和原始输入图像之间的相似性差异度量，将IoU值与相似性差异做点积得到每个像素的特征重要性权重，将特征激活掩码与对应的特征重要性之间做加权求和，得到以热图的形式表示的视觉解释图；计算可解释性分数：利用删除游戏依次删除得分高的像素，计算概率得分下降曲线与坐标轴围成的面积； 步骤S6：提出基于非负矩阵分解和梯度下降法的可视化技术对目标检测网络进行解释，分析目标检测网络中的网络结构的语义；搭建自定义网络：使用自定义网络结构，与原本目标检测网络的区别是将激活函数层替换为线性层；可视化目标检测网络的参数：用非负矩阵分解方法可视化目标检测网络的卷积核参数和扩展权重参数；可视化目标检测网络中的结构学习到的语义：选定欲进行可视化的网络结构，利用基于梯度下降法和正则化技术的优化算法，从随机输入开始迭代生成能最大化网络结构输出的图片； 步骤S7: 对评估结果进行分析和展示。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。