ConceptDetection Randomized Input Sampling for Explanation
D-RISE
D-RISE是专为目标检测任务设计的黑盒后验可解释性方法，基于RISE扩展，通过对输入图像随机生成遮蔽掩码并统计置信度变化，反推对检测结果影响最大的图像区域，生成连续显著性热力图
Timeline (last 90 days)
Oct 5
对于D-RISE解释方法，D-Deletion忠实度与检测强度之间的Spearman相关系数落在0.70到0.82之间
Unverified50%
Oct 5
研究发现基于删除的解释忠实度与解释生成时的检测强度高度耦合
Unverified50%
Oct 5
在固定f0区间控制检测强度后，D-RISE的忠实度在中间区段仍呈现域依赖性，PIE数据集上的D-Deletion高于JAAD，且差异通过Holm校正显著性检验
Unverified50%
Oct 5
D-RISE是专为目标检测任务设计的后验黑盒解释方法，由图像分类解释方法RISE扩展而来，通过随机遮蔽掩码反推影响最大的图像区域生成显著性热力图
Unverified50%
Oct 5
EigenCAM的忠实度整体低于D-RISE，但同样表现出分数耦合现象
Unverified50%
All Facts (5)
Unverified
对于D-RISE解释方法，D-Deletion忠实度与检测强度之间的Spearman相关系数落在0.70到0.82之间
50%Unverified研究发现基于删除的解释忠实度与解释生成时的检测强度高度耦合
50%Unverified在固定f0区间控制检测强度后，D-RISE的忠实度在中间区段仍呈现域依赖性，PIE数据集上的D-Deletion高于JAAD，且差异通过Holm校正显著性检验
50%UnverifiedD-RISE是专为目标检测任务设计的后验黑盒解释方法，由图像分类解释方法RISE扩展而来，通过随机遮蔽掩码反推影响最大的图像区域生成显著性热力图
50%UnverifiedEigenCAM的忠实度整体低于D-RISE，但同样表现出分数耦合现象
50%