深度视觉模型的局部到全局逻辑解释
计算机视觉与模式识别
2026-01-21 v1 人工智能
摘要
尽管深度神经网络在图像分类方面极为有效，但它们仍然是不透明且难以解释的。我们引入了针对黑盒模型的局部和全局解释方法，这些方法以人类可识别的原始概念生成解释。针对单张图像的局部解释和针对一组图像的全局解释都被表述为单调析取范式中的逻辑公式，其满足保证了模型在给定类别上产生高分。我们还提出了一种算法，以基于原始概念的单调解释列表的形式来解释样本到多个类别的分类。尽管这些解释简单且具有可解释性，我们表明在具有挑战性的视觉数据集上，它们相对于其所要解释的黑盒模型保持了高保真度和覆盖率。
引用
@article{arxiv.2601.13404,
title = {Local-to-Global Logical Explanations for Deep Vision Models},
author = {Bhavan Vasu and Giuseppe Raffa and Prasad Tadepalli},
journal= {arXiv preprint arXiv:2601.13404},
year = {2026}
}
备注
15 pages, 5 figures, 5th International Joint Conference on Learning & Reasoning 2025