待验证50% 置信事实精确时间
GradCAM（梯度加权类激活映射）等可视化技术能生成热力图显示AI在影像中关注的区域，用于提升深度神经网络的可解释性
1
来源数
50%
置信度
长期有效
时效性
2026/9/9
首次发现
来源
涉及实体
相关事实
待验证神经元激活可视化是AI可解释性研究的核心议题之一68% 相似待验证Grad-CAM利用目标类别对最后一层卷积特征图的梯度信息生成热力图，显示模型关注的图像区域，但无法解释模型为何认为该区域违规67% 相似待验证AI姿态识别依赖摄像头方案时，选择支持3D结构光或双摄深度感知的机型，其关节点追踪精度和纠错能力显著优于单摄RGB方案，尤其在瑜伽、普拉提等需要判断身体前后倾角的场景67% 相似待验证人体姿态估计技术通过深度学习模型从摄像头二维图像中实时推断人体各关节空间位置，底层依赖卷积神经网络（CNN）67% 相似待验证SAOT采用的人体姿态估计算法脱胎于计算机视觉深度学习研究，核心是通过卷积神经网络（CNN）提取特征并经三维重建算法合成球员空间坐标66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/885834API
curl https://kongchang.com/api/v1/knowledge/claims/885834MCP
get_claim(id=885834)