本发明公开了一种卷积神经网络图像识别分类决策的解释方法，首先将经特征图扰动的图像输入神经网络模型，通过分类输出层得到神经元激活值；然后，用所述神经元激活值除以所述特征图相对应的惩罚因子后，输入softmax层，得到目标类的分数，作为所述特征图的权重，最后，根据多张所述特征图的权重，得到解释图。本发明通过一个参数实现了根据需要放大/缩小特征图的平均值之间的差距，调节了softmax函数放大/缩小特征的重要程度，大大减少了计算量，并且该方法可根据使用者想要的标准生成热力图与解释图，具有非常好的适用性和非常高的解释可信度，此外，该方法可用于任何卷积神经网络，没有模型结构的限制。