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！

龙图腾网获悉清华大学申请的专利一种基于视觉编辑路径的黑箱模型可解释归因方法及装置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：CN117115546B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202311127323.2，技术领域涉及：G06V10/764；该发明授权一种基于视觉编辑路径的黑箱模型可解释归因方法及装置是由鲁继文;周杰;张博睿;郑文钊设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本一种基于视觉编辑路径的黑箱模型可解释归因方法及装置在说明书摘要公布了：本申请提出了一种基于视觉编辑路径的黑箱模型可解释归因方法及装置，涉及黑箱模型解释领域，该方法包括：获取训练好的黑箱图像分类模型，选择路径方法对黑箱图像分类模型进行解释；构建最小充分性原则与视觉编辑路径集合，在最小充分性原则下，通过视觉编辑路径集合得到快速近似求解最优路径的压缩感知重构SAMP算法；初始化SAMP算法，通过贪婪搜索策略迭代式运行SAMP算法，得到可解释归因结果，其中，在运行过程中引入L1范数约束与动量更新机制；对可解释归因结果进行归一化处理与可视化处理，得到原始图像中每个像素对黑箱图像分类模型产生结果的贡献值。本申请能够直观且完整地显示出黑箱模型的决策逻辑，提升了用户对黑箱模型的可信度。

本发明授权一种基于视觉编辑路径的黑箱模型可解释归因方法及装置在权利要求书中公布了：1.一种基于视觉编辑路径的黑箱模型可解释归因方法，其特征在于，包括： 获取训练好的黑箱图像分类模型，选择路径方法对训练好的黑箱图像分类模型进行解释； 构建最小充分性原则与视觉编辑路径集合，在所述最小充分性原则的约束下，基于所述视觉编辑路径集合，利用压缩感知重构SAMP算法对最优视觉编辑路径进行快速近似求解；所述最小充分性原则为基于图像分类贡献值集中分配给产生必要贡献的像素，使得存在一个最小的高贡献像素集合能够完整覆盖图像输出结果的变化；所述视觉编辑路径集合为每个编辑步骤均对有限个图像像素进行删减或添加操作； 初始化所述压缩感知重构SAMP算法，通过贪婪搜索策略迭代式运行所述压缩感知重构SAMP算法，得到可解释归因结果，其中，在运行过程中引入L1范数约束与动量更新机制； 对所述可解释归因结果进行归一化处理与可视化处理，得到原始图像中每个像素对训练好的黑箱图像分类模型产生结果的贡献值； 所述选择路径方法对训练好的黑箱图像分类模型进行解释，包括： 选择起始点图像和终止点图像，用线积分方程表示训练好的黑箱图像分类模型的输出改变量，如下： ， 其中，表示终止点输出量，表示起始点输出量，表示训练好的黑箱图像分类模型，表示路径函数，且； 通过黎曼和近似所述线积分方程，得到: ， ， 其中，为所述输出改变量的近似值，为当前点图像； 根据贡献值方程与近似后的线积分方程，得到图像分类贡献值与所述近似值的相对关系，如下： ， 其中，所述贡献值方程为： 。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。