(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210370866.6 (22)申请日 2022.04.11 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 郑喜民　胡浩楠　舒畅　陈又新　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/02(2006.01) (54)发明名称 基于图像分类的因果解释方法、 装置、 设备 及存储介质 (57)摘要 本发明涉及人工智能技术， 揭露一种基于图 像分类的因果解释方法， 包括： 基于超像素和线 性迭代聚类算法对待分析图像进行初始分区， 得 到多个分区图像； 分别计算多个分区图像的责任 度， 对责任度大于责任度阈值的分区图像进行二 次分区， 得到多个二次分区图像； 分别计算二次 分区图像的责任度， 当二次分区图像的像素点个 数小于或者等于像素点阈值， 或者二次分区图像 的责任度均相等时， 将二次分区图像作为标准归 因图； 对标准归因图进行因果分析， 得到因果分 析结果。 此外， 本发明还 涉及区块链技术， 分区图 像可存储于区块链的节点。 本发 明还提出一种基 于图像分类的因果解释装置、 电子设备以及存储 介质。 本发 明可以提高基于图像分类的因果解释 的准确度。 权利要求书2页 说明书13页 附图6页 CN 114743003 A 2022.07.12 CN 114743003 A 1.一种基于图像分类的因果 解释方法， 其特 征在于， 所述方法包括： 获取待分析图像和预设的超像素， 基于所述超像素和预设的线性迭代聚类算法对所述 待分析图像进行初始分区， 得到多个分区图像； 分别计算多个所述分区图像的责任度， 并将多个所述分区图像的责任度与 预设的责任 度阈值进行比较； 对所述责任度大于所述责任度阈值的分区图像进行二次分区， 得到多个二次分区图 像； 根据所述超像素设定标准超像素， 基于所述标准超像素分别计算所述二 次分区图像的 责任度， 将所述 二次分区图像的责任度与所述责任度阈值进行比较； 当所述二 次分区图像的像素点个数小于或者等于像素点阈值， 或者所述二 次分区图像 的责任度均相等时， 将所述 二次分区图像作为标准归因图； 基于所述责任度对所述标准归因图进行因果分析， 得到图像因果分析 结果。 2.如权利要求1所述的基于图像分类的因果解释方法， 其特征在于， 所述基于所述超像 素和预设的线性迭代聚类算法对所述待分析图像进行初始分区， 得到多个分区图像， 包括： 在所述待分析图像中进行像素选 定， 得到多个种子像素； 以所述种子像素作为聚类中心， 以所述超像素对所述待分析图像进行迭代聚类， 得到 多个聚类图像； 对多个所述聚类图像进行图像后处 理， 得到多个分区图像。 3.如权利要求2所述的基于图像分类的因果解释方法， 其特征在于， 所述以所述种子像 素作为聚类中心， 以所述超像素对所述待分析图像进行迭代聚类， 得到多个聚类图像， 包 括： 基于所述超像素对所述待分析图像进行区域切割， 得到多个切割区域； 分别计算多个所述切割区域与所述种子像素之间的距离值； 比较所述距离值与预设距离阈值的大小， 当所述距离值小于所述预设距离阈值时， 将 所述切割区域作为聚类图像； 当所述距离值大于或者等于所述预设距离 阈值时， 重新计算多个所述切割区域与 所述 种子像素之间的距离值， 直至所述距离值小于所述预设距离阈值时， 得到多个聚类图像。 4.如权利要求1所述的基于图像分类的因果解释方法， 其特征在于， 所述分别计算多个 所述分区图像的责任度， 包括： 汇总所述分区图像中除去所述超像素以外的像素集 合， 得到汇总像素集 合； 任意选定所述汇总像素集 合中的一个 像素子集作为目标子集； 将所述分区图像中的除去所述超像素和所述目标子集中的像素以外的像素均进行遮 挡处理， 得到遮挡图像； 将所述遮挡图像输入至预设的图像分类网络中， 得到预测分类结果； 基于所述预测分类结果和所述待分析图像的分类结果进行遍历搜寻， 得到事实子集； 根据所述事实子集和预设的责任度公式计算得到多个所述分区图像的责任度。 5.如权利要求4所述的基于图像分类的因果解释方法， 其特征在于， 所述基于所述预测 分类结果和所述待分析图像的分类结果进行遍历搜寻， 得到事实子集， 包括： 判断所述预测分类结果与所述待分析图像的分类结果是否一 致；权　利　要　求　书 1/2 页 2 CN 114743003 A 2当所述预测分类结果与所述待分析图像的分类结果一致 时， 将所述目标子集作为事实 子集； 当所述预测分类结果与所述待分析图像的分类结果不一致 时， 重新选定所述汇总像素 集合中的一个像素子集作为目标子集并执行预测处理， 直至所述预测分类结果与所述待分 析图像的分类结果 一致时， 将新的目子集作为事实子集。 6.如权利要求5所述的基于图像分类的因果解释方法， 其特征在于， 所述根据 所述事实 子集和预设的责任度公式计算得到多个所述分区图像的责任度， 包括： 统计所述事实子集中所包含的像素点个数， 并根据 所述像素点个数计算对应的子集参 数； 将所述子集参数代入至所述责任度公式中进行计算， 得到多个所述分区图像的责任 度。 7.如权利要求1至6中任一项所述的基于 图像分类的因果解释方法， 其特征在于， 所述 基于所述责任度对所述标准归因图进行因果分析， 得到图像因果分析 结果， 包括： 将所述责任度与预设的归因等级表中的强度等级 进行比较； 当所述责任度与所述归因登记表中强度等级对应的等级系数区间一致 时， 将所述强度 等级输出为所述责任度对应的标准归因图的因果分析 结果。 8.一种基于图像分类的因果 解释装置， 其特 征在于， 所述装置包括： 初始分区模块， 用于获取待分析图像和预设的超像素， 基于所述超像素和预设的线性 迭代聚类算法对所述待分析图像进行初始分区， 得到多个分区图像； 二次分区模块， 用于分别计算多个所述分区图像的责任度， 并将多个所述分区图像的 责任度与预设的责任度阈值进 行比较， 对所述责任度大于所述责任度阈值的分区图像进 行 二次分区， 得到多个二次分区图像； 标准归因模块， 用于根据所述超像素设定标准超像素， 基于所述标准超像素分别计算 所述二次分区图像的责任度， 将所述二次分区图像的责任度与所述责任度阈值进行比较， 当所述二次分区图像的像素点个数小于或者等于像素点阈值， 或者所述二次分区图像的责 任度均相等时， 将所述 二次分区图像作为标准归因图； 因果分析模块， 用于基于所述责任度对所述标准归因图进行因果分析， 得到 图像因果 分析结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所 述的基于图像分类的因果 解释方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任意 一项所述的基于图像分类的因果 解释方法。权　利　要　求　书 2/2 页 3 CN 114743003 A 3