Grad‑CAM

深度分析

增加模型規模未必提升定位型 XAI：以 ResNet、DenseNet 與 ViT 結合 Relevance Rank 與 Dual‑Polarity 評估

研究檢視不同深度與規模的視覺模型是否改進事後定位式解釋品質。本研究比較多種CNN與ViT架構,採用五種XAI方法與兩項定位指標量化對齊。結果顯示增大模型並不穩定提升定位精確度,在多數比較中小型模型能匹配或超越更深版本,因此在安全敏感應用選模型時應明確評估可解釋性。