Visual-TCAV：基于概念的归因与显著性地图用于图像分类的后期可解释性

本研究解决了现有图像分类可解释性方法的不足，尤其是黑箱模型无法有效传达概念贡献的问题。提出的Visual-TCAV框架结合了局部和全局解释，利用概念激活向量生成显著性地图，并估计概念对预测输出的归因。实验验证了该方法在不同卷积神经网络架构上的有效性，具有显著的实际应用潜力。