Machine learningDeep learning / NLP / CV
الكشف عن الأشياء القابل للتفسير
يجمع الكشف عن الأشياء القابل للتفسير بين كاشف كائنات يعتمد على التعلم العميق — مثل YOLO أو Faster R-CNN أو DETR — وطرق تفسير لاحقة أو مدمجة (Grad-CAM أو LIME أو SHAP أو D-RISE) التي تصور سبب وضع النموذج لصندوق محيط في موقع معين وتعيين تسمية فئة معينة، مما يجعل قراراته قابلة للتدقيق من قبل البشر.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Selvaraju, R. R., Cogswell, M., Das, A., Vedantam, R., Parikh, D., & Batra, D. (2017). Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 618–626. DOI: 10.1109/ICCV.2017.74 ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). 'Why Should I Trust You?': Explaining the Predictions of Any Classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Explainable Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/ar/deep-learning/explainable-object-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تصنيف الصور القابل للتفسيرالتعلم العميق↔ compare
- المحول البصري القابل للتفسير (Explainable Vision Transformer)التعلم العميق↔ compare
- تقسيم الكيانات (Instance Segmentation)التعلم العميق↔ compare
- اكتشاف الكائناتالتعلم العميق↔ compare
- التجزئة الدلاليةالتعلم العميق↔ compare