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！

龙图腾网获悉中国人民解放军陆军炮兵防空兵学院申请的专利一种小目标检测模型视觉可解释性方法、设备及介质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：CN120374948B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510456207.8，技术领域涉及：G06V10/25；该发明授权一种小目标检测模型视觉可解释性方法、设备及介质是由宁全利;凌冲;马翰宇;石胜斌;蒋滨安;闫小伟设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本一种小目标检测模型视觉可解释性方法、设备及介质在说明书摘要公布了：本发明公开了一种小目标检测模型视觉可解释性方法，包括：S1.通过CNN前向传递得到深层特征图，通过特定类目标分类分数反向传播得到特征图对应梯度；S2.经过特征图像素级梯度加权，基于定序分组处理后得到包含高细粒度局部敏感性信息的掩码；S3.将模糊化的掩码遮挡图像输入CNN，通过包含N次积分采样的前向传递获取全局决策贡献，计算获取贡献重要度分数并取均值作为组重要度分数；S4.对分组掩码进行线性加权得到类激活图，并利用重要度分数对掩码加权，以获得视觉解释图。本发明基于全局决策贡献并行计算分组掩码重要度分数，对掩码采取模糊边界和积分方法进行处理，提高了不同输入对全局决策贡献的敏感性和算法速度。

本发明授权一种小目标检测模型视觉可解释性方法、设备及介质在权利要求书中公布了：1.一种小目标检测模型视觉可解释性方法，其特征在于，包括以下步骤： S1.通过CNN前向传递得到深层特征图，通过特定类目标分类分数反向传播得到特征图对应梯度； S2.经过特征图像素级梯度加权和基于定序分组处理后得到一组包含高细粒度局部敏感性信息的掩码； S3.将模糊化的掩码遮挡图像输入CNN，通过包含N次积分采样的前向传递获取全局决策贡献，计算获取贡献重要度分数并取均值作为组重要度分数； S4.对分组掩码进行线性加权得到类激活图，类激活图利用重要度分数对掩码加权，以获得视觉解释图； 所述S2步骤中特征图像素级梯度加权的具体流程包括： S21.设为图像分类CNN模型，为模型参数，对于给定输入图像，通过全局平均池化得到特征图权重，经过网络前向推理，分类分数公式为： 其中表示为第个通道特征图，和分别代表特征图中的行索引和列索引； S22.对分类分数公式内的各特征图权重进行显性编码，特征图权重的计算公式为： 其中为类和特征图对应的像素梯度的加权系数，计算公式为： 其中，为特征图A在i,j位置处第K个通道的像素梯度值； S23.为特征图在位置处的每个像素梯度进行加权，获取K组加权特征图； 所述S2步骤中定序分组处理获取掩码的生成流程包括： 将组加权特征图按照产生的加权特征图的固定顺序等距分为组且，将每组加权特征激活图叠加，获得个用于生成类激活图的掩码，计算公式为： 将得到的低分辨率掩码进行归一化，并通过双线性插值上采样至原图大小，以获取更加平滑的掩码，计算公式为： 为处理后的平滑掩码； 所述S3步骤中获取全局决策贡献的具体计算流程包括： S31.对遮挡区域使用高斯模糊处理，处理后得到模糊化的掩码遮挡图像，计算表达式为： 其中，是经过高斯模糊的输入图像，为哈达马积； S32.以线性插值为积分路径逐步累加输入图像特征，计算N次在目标类上的前向传递分类分数并求平均，作为组掩码重要度分数，得到全局决策贡献； 所述S3步骤计算贡献重要度分数的具体操作流程包括： 令基线图像的输出为零，采取纯黑图片或噪声图片作为基线图像，执行无梯度方法，有： 其中，为第组掩码的重要度分数，为积分采样数量； 并行计算个掩码的前向传递。

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中国人民解放军陆军炮兵防空兵学院，其通讯地址为：230009 安徽省合肥市蜀山区黄山路451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。