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！

龙图腾网恭喜中国人民解放军国防科技大学申请的专利一种多源图像数据深度学习模型的可解释性方法及系统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：CN117934450B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202410281983.4，技术领域涉及：G06T7/00；该发明授权一种多源图像数据深度学习模型的可解释性方法及系统是由许颢砾;杨星;穆华;王阳阳;左磊;刘丽萍;李欣;高皓琪;瞿斌;胡书隆;朱卫杰;陆俊;万语科;王新宇设计研发完成，并于2024-03-13向国家知识产权局提交的专利申请。

本一种多源图像数据深度学习模型的可解释性方法及系统在说明书摘要公布了：本发明提出一种多源图像数据深度学习模型的可解释性方法及系统，本发明通过对单源图像指标加扰的方式，计算单源图像指标的退化对图像数据深度学习模型的响应程度，据此获得各个单源图像指标对多源图像数据深度模型的贡献度，进而明确单源图像指标在多源图像深度模型的重要程度。并根据相应单源图像指标的实际含义，输出相应单源图像指标对多源图像深度模型影响程度的可解释性结果。本发明的多源图像数据深度学习模型的可解释性方法的原理可靠，可深入剖析多源图像数据深度模型“黑箱”问题，明析单源指标对多源深度模型的贡献度。

本发明授权一种多源图像数据深度学习模型的可解释性方法及系统在权利要求书中公布了：1.一种多源图像数据深度学习模型的可解释性方法，其特征在于，包括：步骤S1：将多源图像数据进行归一化处理，将多源图像数据与对应的目标标签数据作为输入数据，输入初始多源图像深度学习模型中；多源图像数据是多维的、多通道的图像数据；步骤S2：初始多源图像深度学习模型进行学习、训练，获得多源图像深度模型M0，记录该模型M0精确度A0；步骤S3：针对各单源图像指标yn添加随机噪声干扰e得到单源图像指标yn’，再用该单源图像指标yn’替换初始多源图像深度学习模型中的yn，重新对初始多源图像深度模型进行训练，获得多源图像深度模型Mn，记录该模型Mn的精确度An，计算各单源图像指标对多源图像深度模型Mn的精确度下降的影响程度|A0–An|，其中脚标n为自然数，n取值等于单源图像指标的数量；步骤S4：基于各单源图像指标对多源图像深度模型的精确度下降的影响程度确定相应单源图像指标的在多源图像深度模型中的贡献程度，并根据相应单源图像指标的实际含义，输出相应单源图像指标对多源图像深度模型影响程度的可解释性结果。

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国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。