深度学习图像分类模型因果特征学习研究综述

来源：电子与信息学报杂志2026年第4期北京时间：

作者：王晓东, 蒋玲, 李晖晖, 王布宏

单位：1.厦门大学嘉庚学院人工智能与计算机学院 漳州 3631232.厦门大学电子科学与技术学院 厦门 3610053.西北工业大学自动化学院 西安 7101294.空军工程大学信息与导航学院 西安 7100775.智造装备与工业互联网技术福建省高校重点实验室 漳州 363123

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3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4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。

关键词：深度学习, 图像分类模型, 因果推断, 因果特征学习

基金资助：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)