本研究提出了一种新方法SyCAM，解决了现有类激活映射（CAM）在生成热图时灵活性不足的问题。SyCAM通过预定义评估度量自动生成优化的CAM表达式，提升了热图的针对性和有效性。实验结果表明，SyCAM在不同CNN模型上表现优异。

本文介绍了多种基于类激活映射（CAM）技术的可解释性方法，如Grad-CAM、Score-CAM和Shap-CAM。这些方法通过可视化重要特征，提高了卷积神经网络（CNN）的透明度和可解释性，帮助用户理解模型决策过程，增强信任度，并在图像分类和定位任务中表现出色。