计算机研究与发展

作者：成晓天,丁卫平,耿宇,黄嘉爽,鞠恒荣,郭静,

关键词：可解释性方法, Transformer, 自注意力机制, 序贯三支决策, 注意力融合, 扰动掩码,

Transformer逐渐成为计算机视觉任务的首选方案，这推动了其可解释性方法的发展.传统解释方法大多采用Transformer编码器的最终层生成的扰动掩码生成可解释图，而忽略了掩码的不确定信息和上下采样中的信息丢失，从而造成物体区域的定位粗糙且不完整.为克服上述问题，提出基于序贯三支掩码和注意力融合的Transformer解释方法（SAF-Explainer），SAF-Explainer主要包含序贯三支掩码（sequentialthree-waymask，S3WM）模块和注意力融合（attentionfusion，AF）模块.S3WM通过应用严格的阈值条件处理掩码，避免掩码中的不确定信息对解释结果产生损害，以此有效定位到物体位置.随后，AF利用注意力矩阵聚合生成跨层信息交互的关系矩阵，用来优化解释结果中的细节信息，生成边缘清晰且完整的解释结果.为验证所提出SAF-Explainer的有效性，在3个自然图像与1个医学图像数据集上进行比较实验，结果表明SAF-Explainer具有更好的可解释性效果.

来源：2025年第11期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第11期