｛“状态”：“正常”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,5,20]]，“日期时间”：“2024-05-20T19:14:59Z”，“时间戳”：1716232499371｝，“引用计数”：30，“发布者”：“IEEE”，“许可证”：[｛“开始”：｛“日期部分”：[[2019,10,1]]，“日期时间”：“2019-10-01T00:00:00Z”，“时间戳”：1569888000000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://ieeexplore.ieee.org/Xplorehelp\/downloads\/license-information\/ieee.html”｝，｛“开始”：｛“日期部分”：[[2019,10,1]]，“日期时间”：“2019-10-01T00:00:00Z”，“时间戳”：1569888000000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-029”｝，｛“开始”：｛“日期零件”：[[2019,10,1]]，“date-time”：“2019-10-01T00:00:00Z”，“timestamp”：156988800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”shortcontainer-title“：[]，”published-print“：{”date-parts“：[2019,10]}，“doi”：“10.1109\/iccv.2019.005”，“类型”：“proceedings-article”，“created”：{“date-parts”：[[2020,2,28]]，“date-time”：“2020-02-28T10:27:52Z”，“timestamp”：1582885672000}，“source”：“Crossref”，“is-referenced-by-count”：100，“title”：[“XRAI:Better Attributions Through Regions”]，“prefix”：“10.1109”，”author“[{”given“give”：“Andrei”，“family”：“Kapishnikov”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“Tolga”，“family”：“Bolukbasi”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Fernanda”：“可视化深层神经网络决策：预测差异分析”，“author”：“zintgraf”，“year”：“2017”，“journal-title”：“arXiv 1702 04595”}，{“key”：“ref10”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/ICCV.2017.371”}：“2018”}，{“key”：“ref12”，“year”：“2015”}1711 00867[cs stat]“}，{”键“：“ref15”，“article-title”：“学习如何解释神经网络：PatternNet和PatternAttribution”，“author”：“kindermans”，“year”：“2017”，“journal-title“：”arXiv 1705 05598[cs stat]“}”，{“key”：“ref16”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.patcog.2016.11.008“}，{”key“：”ref17“，”doi-assert-by“：”publisher“，“doi”：“”10.1145\/2939672.2939778“}，{“key”：“ref18”，“article-title”：“ImageNet大规模视觉识别挑战”，“author”：“russakovsky”，“year”：“2014”，“journal-title“：”arXiv 1409 0575“}，{“key”：”ref19“，”article-title“”：“Grad-CAM:通过基于梯度的本地化从深层网络进行视觉解释”，“author”:“selvaraju”，“年份”：“2016”，“日记标题”：“arXiv 1610 02391”}：“ref28”，“article-title”：“用卷积法更深入”，“author”：“szegedy”，“year”：“2014”，“journal-title“：”arXiv 1409 4842“}，{“key”：“ref4”，“first-page”：“29”，“article-titel”：“How to Explain Individual Classification Decision”，“author”:“baehrens”，“年份”：“2010”，“日记标题”：“journal of Machine Learning Research”}，“key“：”：“ref27”，“首页”：“11”，“article-title”：“探索深层网络归因的原则性可视化”，“author”：“sundararajan”，“year”：“2019”，“journal-title:“Los Angeles”}，{“key”：“ref3”，“doi-asserted-by”：“publisher”，“doi”：“10.1371 \/journal.pone.0130140”}：“chattopadhyay”，“year”：“2019”，“journal-title”：“国际机器学习会议”}，{“key”：“ref29”，“article-title“：“可视化和理解卷积网络”，“author”：“zeiler”，“年”：“2013”，“日记标题”：“arXiv 1311 2901”}：“用足够的输入子集理解黑盒决策”}，{“key”：“ref8”，“first page”：”6967“，“article-title”：“黑盒分类器的实时图像显著性”，“author”：“dabkowski”，“year”：“2017”，“journal-title“：“Advances in neural information processing systems”}：“10.1109\/TCSVT.2018.2870832”}，{“key”：“ref2”，“article-title”：“对深度神经网络基于梯度的归因方法有更好的理解”，“author”：“ancona”，“year”：“2017”，“journal-title“：”arXiv 1711 06104[cs stat]“}，”{“key”：“ref9”，“doi-asserted-by”：“publisher”，“doi”：“10.1023\/B:VISI.0000022288.19776.77”}，“article-title”：“显著性图的健全性检查”，“author”：“adebayo”，“year”：“2018”，“journal-title“：”arXiv 1810 03292[cs stat]“}，{“key”：“ref20”，“artice-title（文章）”：“通过传播激活差异学习重要特征”，“author”:“shrikumar”，“year”：”2017“，”journal-title“”：“arXiv 1704 02685”}，“key“：”ref22”，“article-title”：“深层卷积网络：可视化图像分类模型和显著性地图”，“author”：“simonyan”，“year”：“2013”，“journal-title”：“arXiv 1312 6034”}，{“key”：“ref21”，“article-title“：“Not July a Black Box:Learning Important Features Through Propaging Activation Differences”，《author》：“shrikumar”，“年份”：“2016”，“journal-ttitle”：“arXiv 1605 01713”}，{“key”：“ref24”，“article-title”：“力求简单：全卷积网络”，“author”：“springenberg”，“year”：“2014”，“journal-title“：”arXiv 1412 6806“}，}“key”：“ref23”，“article-title”：“SmoothGrad：通过添加噪音消除噪音”，“author”:“smilkov”，“年份”：“2017”，“日记标题”：“arXiv 1706 03825[cs stat]”}，{“键”：“参考26”，“article-title”：“Deep Networks的公理化属性”，“author”：“sundararajan”，“year”：“2017”，“journal-title“：”arXiv 1703 01365“}，{“key”：“ref25”，“artivle-titler”：“注意：深度神经网络的局部解释方法对参数值缺乏敏感性”，“作者”：“Sundarajan“，”年份：“2018”，“日记标题”：“arXiv-print arXiv1806 04205”}]，“event”：{“name”：“2019 IEEE\/CVF国际计算机视觉会议（ICCV）”，“location”：“Seoul，Korea（韩国）”，”start“：{”date-parts“：[[2019,10,27]]}，”end“：{”date-parts“：[2019,11,2]]}}：[{“URL”：“http://\/xplorestaging.ieee.org\/ielx7\/8972782\/9008576.pdf？arnumber=9008576”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[2022,7,17]]，“日期-时间”：“2022-07-17T21:46:35Z”，“时间戳”：1658094395000}，“score”“：1，”资源“：{”主“：{“URL”：“https:\/\/ieeexplore.iee.org\/document\/9008576\/”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2019,10]]}，”引用计数“：30，”URL“：”http://\/dx.doi.org\/10.109\/iccv.2019.00505“，”关系“：{}，}}}