中文标题：深度学习图像分类模型因果特征学习研究综述

英文标题：A Review of Causal Feature Learning in Deep Learning Image Classification Models

来源期刊：电子与信息学报

基金项目：国家自然科学基金(62472437)，福建省自然科学基金(2023J01035)，厦门市自然科学基金(3502Z20227326)

作  者：王晓东^{1, 5} 蒋玲² 李晖晖³ 王布宏⁴

作者单位：1. 厦门大学嘉庚学院 漳州 363105
2. 厦门大学电子科学与技术学院 厦门 361005
3. 西北工业大学自动化学院 西安 710129
4. 空军工程大学信息与导航学院 西安 710077
5. 智造装备与工业互联网技术福建省高校重点实验室 漳州 363105

摘  要：因果特征学习(CFL)是深度学习图像分类模型实现因果推断的重要途径。该文系统综述了深度学习图像分类模型因果特征学习的研究与进展。首先，给出了因果推断相关概念定义及其统计学实现方法。其次，从前向、反向、横向三个角度介绍了面向深度学习图像分类模型的相关性分析方法。然后，根据深度学习图像分类模型因果特征学习的不同实现，分类归纳了因果特征发现、因果特征效应评估、因果表征学习、伪相关剔除四类方法。最后，在总结深度学习图像分类模型因果特征学习现状基础上对未来研究进行了展望。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250738