본 논문은 심층 신경망의 의사결정 과정의 불투명성 문제를 해결하기 위해, 기존의 Class Activation Mapping (CAM) 기법의 한계점을 극복하는 새로운 방법인 Cluster Filter Class Activation Map (CF-CAM)을 제안합니다. CF-CAM은 기울기 기반 가중치 부여 방식을 유지하면서 기울기 잡음에 대한 강건성을 향상시키는 계층적 중요도 가중치 전략을 사용합니다. DBSCAN을 이용한 밀도 기반 채널 클러스터링을 통해 의미적으로 관련된 특징 채널을 그룹화하고 잡음이 많은 활성화를 제거하며, 클러스터 조건부 기울기 필터링을 통해 양측 필터를 활용하여 기울기 신호를 개선합니다. 실험 결과, CF-CAM은 기존 CAM 방법들보다 신뢰성과 강건성이 뛰어나며, 의사결정 과정의 해석성을 향상시키는 효과적인 방법임을 보여줍니다. 특히 의료 진단 및 자율 주행과 같은 중요한 응용 분야에서 신뢰할 수 있는 해석 가능성을 제공합니다.
