概念Detection 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
时间轴 (近 90 天)
10月5日
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
待验证50%
10月5日
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
待验证50%
10月5日
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
待验证50%
10月5日
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
待验证50%
10月5日
EigenCAM的忠实度整体低于D-RISE，但同样表现出分数耦合现象
待验证50%
全部知识事实 (5)
待验证
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%待验证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%待验证在固定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%待验证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
50%待验证EigenCAM的忠实度整体低于D-RISE，但同样表现出分数耦合现象
50%