一种像素级别用于卷积神经网络图像分类的可解释方法及客观度量解释结果准确度的方法

本发明提出了一种像素级别用于卷积神经网络图像分类的可解释方法及客观度量解释结果准确度的方法，包括：获取预设的真实图像在目标卷积神经网络模型中的执行轨迹信息；预设与真实图像大小相同的符号化图像，基于符号化图像和执行轨迹信息，构建符号化模型；基于真实图像的像素值，获取符号化模型中符号变量对应的权值的像素分类贡献值矩阵；将像素分类贡献值矩阵转化为像素分类贡献值分布图和显著图，对卷积神经网络图像的分类依据进行解释。本发明基于符号化执行技术，依赖目标网络模型的权值，提出一种新颖的且具有准确无误解释能力的解释性方法；以及基于卷积神经网络模型的非线性执行特点，提出一种客观公正的可信评测方法。