Обяснимо детекция на обекти
Обяснимото детекция на обекти комбинира дълбоко-обучен детектор на обекти — като YOLO, Faster R-CNN или DETR — с пост-хок или вградени методи за обяснимост (Grad-CAM, LIME, SHAP, D-RISE), които визуализират защо моделът е поставил ограничителна кутия на определено място и е присвоил определен клас, правейки решенията му проверими от хора.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Explainable Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/bg/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.
- Обяснима класификация на изображенияДълбоко обучение↔ compare
- Обясним Vision TransformerДълбоко обучение↔ compare
- Инстанс сегментацияДълбоко обучение↔ compare
- Детекция на обектиДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →