Segmentació Semàntica Explicable
La Segmentació Semàntica Explicable (XSS) combina l'anàlisi d'escenes píxel a píxel —assignant una etiqueta de classe a cada píxel d'una imatge— amb mètodes d'explicació post-hoc o intrínsecs com Grad-CAM, mapes d'atenció o SHAP, de manera que les decisions de classe de la xarxa puguin ser auditades, visualitzades i justificades a experts del domini en imatge mèdica, conducció autònoma i teledetecció.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/ca/deep-learning/explainable-semantic-segmentation
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.
- Mecanisme d'atencióAprenentatge profund↔ compare
- Segmentació d'instànciesAprenentatge profund↔ compare
- LIME: Local Interpretable Model-agnostic ExplanationsAprenentatge automàtic↔ compare
- Segmentació semànticaAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →