{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,9,15]]，“日期时间”：“2024-09-15T14:01:40Z”，“时间戳”：1726408900369}，“出版商位置”：“查姆”，“参考计数”：36，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“类型”：”打印“，“值”：“9783031160134”}，{“type”：“电子”，“value”：“9783031160141”}]，“license”：[{“start”：{“date-parts”：[[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“tart”：[2022,1,1]，“date-time“：”2022-01-01T00:00:00Z“，”时间戳“：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：16409520000}：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\www.sprinternature.com/gp\researters/text-and-date-mining“}]，”content-domain“：{”domain“：[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2022]]}，”DOI“：”10.1007\/978-3-031-16014-1_10“，”type“：”book-chapter“，”created“：{”date-part“：[2022,9,20]]，”date-time“：”2022-09-20T19:03:09Z“，”timestamp“：1663700589000}”，“page”：“106-119”，“update-policy”：“http:\/\/dx.doi.org/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，“由count引用”：1，“title”：[“用于\u00a0评估可解释深度模型的端到端框架：应用于\u00a0历史文档图像分割”]，“prefix”：“10.1007”，“author”：[｛”ORCID“：”http:\/\/ORCID.org/0000-0003-2326-4669“，”authenticated ORCID“：false，“given”：“Iheb”，“family”：“Brini”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：”http://\/ORCID.org\/00000-0002-4763-8584“，“authenticated-ORCID”：false“，”given“：”Maroua“，”family“：”Mehri“，”sequence“：”additional“：false，”given“：”Rolf“，”family“：”Ingold“，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-7914-0644”，“authenticated-ORCID”：false，“given”：”Najoua“，”family“：”Essoukri Ben Amara“，”sequence“：”additional“，”doi-asserted-by“：”crossref“，”非结构化“：“Alber，M.：解释方法的软件和应用模式。In:Explainable AI:解释、解释和可视化深度学习，第399页\u2013433（2019）”，“DOI”：“10.1007\/978-3030-28954-6_22”}，{“key”：“10_CR2”，“unstructured”：“Ancona，M.，Ceolini，E.，\u00d6ztireli，C.，Gross，M.：更好地理解深度神经网络基于梯度的属性方法。arXiv:1711.06104（2017）”}，{“key”：“10_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Anders，C.，Weber，L.，Neumann，D.，Samek，W.，M\u00fcller，K.，Lapuschkin，S.：查找和删除Clever Hans:使用解释方法调试和改进深层模型。Inf.Fusion，261\u2013295（2022）”，“DOI”：“10.1016\/j.inffus.2021.07.015”}，{“key”：“10_CR4”，“DOI-asserted-by”：“crossref”，“非结构化”：“Arras，L.，Osman，A.，Samek，W.：CLEVR-XAI：神经网络解释基础真实性评估的基准数据集。Inf.Fusion，14\u201340（2022）”，“DOI”：“10.1016\/j.inffus.2021.11.008”}，{“key”：“10_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Aubry，M.：历史数据分析的深度学习。In:SUMAC（2021）”：“10.1145\/3475720.3476877”}，{“key”：“10_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Hastie，T.，Tibshirani，R.：广义加性模型。Statis.Sci.297\u2013310（1986）”，“doi”：“10.1214\/ss\/1177013604”}：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。In:CVPR，pp.770\u2013778（2016）”，“DOI”：“10.1109\/CVPR.2016.90”}，{“key”：“10_CR8”，“unstructured”：“Kim，B.，et al.：超越特征归因的可解释性：用概念激活向量（TCAV）进行定量测试。In:ICML，pp 2668\u20132677（2018）”}、{“key”：“10_CR9”，“非结构化”：“Kokhlikyan，N.，et al.：Captum:PyTorch的统一通用模型可解释性库。arXiv:2009.07896（2020）”}，{“key”：“10-CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Lin，Y.，Lee，W.，Celik，Z.：你看到了什么？可解释人工智能的评估（XAI）通过神经后门进行解释。arXiv:2009.10639（2020）“，”DOI“：”10.1145 \/3447548.3467213“}，{“key”：“10_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Linardatos，P.，Papstefanopoulos，V.，Kotsiantis，S.：可解释AI:机器学习可解释性方法综述。熵（2021）”，“DOI”：“10.3390 \/e23010018”}，“key“：”10_CR12“，”DOI-assert-by“：“交叉引用”，“非结构化”：“Lombardi，F.，Marinai，S.：历史文献分析和识别的深度学习——一项调查。J.Imaging（2020）“，“DOI”：“10.3390\/jimaging6100110”}，{“key”：“10_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Long，J.，Shelhamer，E.，Darrell，T.：语义分割的完全卷积网络。摘自：CVPR，pp.3431\u20133440（2015）”，“DOI:”10.1109\/CVPR.2015.7298965“}，”{“key”：”10_CR14“，”DOI-assert-by“：”Crosref“，“非结构化”：“Markewich，L.等人：文档布局分析的分段：还没有死。国际期刊。分析。重新签名。（2022）“，”DOI“：”10.1007\/s10032-00321-00391-3“}，{“key”：“10_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mechi，O.，Mehri，M.，Ingold，R.，Amara，N.E.B.：历史阿拉伯语和拉丁语文档图像中文本行分割的两步框架。国际期刊Doc.Anal.Recogn.197\u2013218（2021）”，“DOI”：“10.1007\/s10032-00377-1”}，“key“：”10_CR16”，“doi asserted by”：“crossref”，“nonstructured”：“Mehri，M.，H\u00e9roux，P.，Mullot，R.，Moreux，J.，Co\u00fcasnon，B.，Barrett，B.：ICDAR2019历史图书分析竞赛-HBA2019。收录于：ICDAR，第1488\u20131493页（2019年）“，“DOI”：“10.1109\/ICDAR.2019.00239”}，{“key”：“10_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Monnier，T.，Aubry，M.：docExtractor：一种脱机历史文档元素提取。收录于:ICFHR，第91\u201396页（2020年）”，“DOI:”10.1109\/ICFHR2020年2000月0027日“}，”{“密钥”：“10-CR18”，“DOI-asserted-by”：“crossref”，“非结构化”：“Montavon，G.：基于梯度与基于传播的解释：公理比较。摘自：《可解释的人工智能：解释、解释和可视化深度学习》，第253\u2013265（2019）页，“DOI”：“10.1007\/978-3-030-28954-6_13”}，{“key”：“10_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Muddamsetty，S.、Jahromi，M.、Ciontos，A.、Fenoy，L.、Moeslund，T.：黑盒模型的可视化解释：相似性-差异性和唯一性（SIDU）方法。模式识别。（2022）“，”DOI“：”10.1016\/j.patcog.2022.108604“}，{“key”：“10_CR20”，“unstructured”：“Oliveira，S.，Seguin，B.，Kaplan，F.：dhSegment：文档分段的通用深度学习方法。In:ICFHR，pp.7\u201312（2018）”}，}，“key“：”10_CR21“，”DOI-asserted-by“：”crossref“，”unstructure“：”Poppi，S.，Cornia，M.，Baraldi，L.，Cucchiara，R.：重新评估类激活映射的可解释性：一种新的度量和实验分析。收录于：CVPR，第2299\u20132304（2021）页“，“DOI”：“10.1109\/CVPRW53098.2021.00260”}，{“key”：“10_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Rauber，P.，Fadel，S.，Falcao，A.，Telea，A.：可视化人工神经网络的隐藏活动。IEEE Trans.Visual.Comput.Graph.101\u2013110（2016）”，“DOI:”10.1109\/TVCG.2016.2598838“}，}”key“：”10_CR23“，”doi-asserted-by“：”crossref“，”unstructured“：”Ribeiro，M.，Singh，S.，Guestrin，C.：“我为什么要信任你？解释任何分类器的预测。SIGKDD，pp.1135\u20131144（2016）“，“DOI”：“10.1145\/2939672.2939778”}，{“key”：“10_CR24”，“series-title”：“计算机科学课堂讲稿”，“DOI-asserted-by”：“publisher”，“first page”：”234“，“DOI”：”10.1007\/978-3319-24574-4_28“，“volume-title”：”医学图像计算和计算机辅助干预\u2013 MICCAI 2015“，“author”：“O Ronneberger“，”年”：“2015年”，“非结构化”：“Ronneberger，O.，Fischer，P.，Brox，T.：U-net：生物医学图像分割的卷积网络。收录人：Navab，N.、Horneger，J.、Wells，W.M.、Frangi，A.F.（编辑）MICCAI 2015。LNCS，第9351卷，第234\u2013241页。施普林格，查姆（2015）。https:\/\/doi.org\/10007\/978-3-319-24574-4_28“}，{“key”：“10_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Samek，W.，Montavon，G.，Lapuschkin，S.，Anders，C.，M\u00fcller，K.：解释深层神经网络及其以外：方法和应用综述。IEEE，247\u2013278（2021）”，“doi”：“10.1109\/JPROC.2021.3060483”}，“10_CR26”，“doi-asserted-by“：”crossref“，”unstructured“：”Schorr，C.，Goodarzi，P.，Chen，F.，Dahmen，T.：Neuroscope：一个可解释的人工智能工具箱，用于卷积神经网络的语义分割和图像分类。申请。科学。（2021）“，”DOI“：”10.3390\/app11052199“}，{”key“：”10_CR27“，”DOI-asserted-by“：”crossref“，”unstructured“：”Selvaraju，R.，Cogswell，M.，Das，A.，Vedantam，R.、Parikh，D.，Batra，D.：Grad-CAM：通过基于梯度的本地化从深层网络中进行视觉解释。In:ICCV，pp.618\u2013626（2017）“，“DOI”：“10.1109\/ICCV.2017.74”}，“key”：“10_CR28”，“非结构化”：“Shrikumar，A.，Greenside，P.，Kundaje，A.：通过传播激活差异学习重要特征。arXiv:1704.02685（2017）“}，{“key”：“10_CR29”，“unstructured”：“Shrikumar，A.，Greenside，P.，Shcherbina，A.，KundajeSimistira，F.、Seuret，M.、Eichenberger，N.、Garz，A.、Liwicki，M.和Ingold，R.：DIVA-HisDB：具有挑战性的中世纪手稿的精确注释大型数据集。收录于：ICFHR，第471\u2013476页（2016）“，“DOI”：“10.1109\/ICFHR.2016.093”}，{“key”：“10_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Singh，A.，Sengupta，S.，Lakshminarayanan，V.：医学图像分析中可解释的深度学习模型。J.Imaging（2020）”，“DOI:”10.3390\/jimaging6060052 y“：”crossref“，”非结构化”：“Sokolova，M.，Lapalme，G.：分类任务性能指标的系统分析。信息处理。管理。427\u2013437（2009）“，“DOI”：“10.1016\/j.ipm.2009.03.002”}，{“key”：“10_CR33”，“unstructured”：“Yeh，C.，Hsieh，C.、Suggala，A.、Inouye，D.、Ravikumar，P.：关于解释的（in）保真度和敏感性。高级神经信息处理系统（2019）”}、{“密钥”：“10-CR34”，“非结构化”：“Yosinski，J.、Clune，J.，Nguyen，A.、Fuchs，T.、Lipson，H.：通过深度可视化了解神经网络。arXiv:1506.06579（2015）“}，{”key“：”10_CR35“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“818”，”doi“：”10.1007\/978-3319-10590-1_53“，”volume-title“：“Computer Vision\u2013 ECCV 2014”，”author“：”MD Zeiler“，”year“：”2014“，”unstructured“：”Zeiler，M.D.，Fergus，R.：可视化和理解卷积网络。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8689卷，第818\u2013833页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10590-1_53“}，{”key“：”10_CR36“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhou，B.，Bau，D.，Oliva，A.，Torralba，A.：通过网络解剖比较深层网络的可解释性。In：可解释人工智能：解释、解释和可视化深层学习，第243\u2013252（2019）页“，”doi“：”10.1007\/978-3-030-28954-6_12“}]，“container-title”：[“计算机科学课堂讲稿”，“计算集体智能”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/9783-031-16014-1_10”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“”相似性检查“}”，“存放”：{“日期-部分”：[[2023,3,9]]，“日期-时间”：“2023-03-09T07:04:44Z”，“时间戳”：1678345484000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-16014-1_10”}，“ISBN”：[“9783031160134”，“9783331160141”]，“references-count“：36，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-16014-1_10“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”type“:”print“，”value“：”0302-7743“}，{”类型“：”electronic“，”value“：“1611-3399”}]，”主题“：[]，”发布“：{”date-parts“：[2022]}，“assertion”：[{“value”：“2022年9月21日”，“order”：1，“name”：“first_online”，“label“：”First Online“，”group“：{”name“：”ChapterHistory“，”label“:”Chapter History”}}]}}