Vysvětlitelná klasifikace obrazu
Vysvětlitelná klasifikace obrazu kombinuje hluboký neuronový klasifikátor obrazu — typicky CNN nebo Vision Transformer — s post-hoc nebo vnitřní metodou interpretovatelnosti, jako je Grad-CAM, LIME nebo SHAP, k produkci vizuálních nebo kvantitativních vysvětlení, proč model přiřadil konkrétní popisek k obrazu. Cílem je učinit rozhodovací proces klasifikátoru transparentním, auditovatelným a důvěryhodným.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/cs/deep-learning/explainable-image-classification
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.
- Dolaďování klasifikace obrazuHluboké učení↔ compare
- Klasifikace obrazuHluboké učení↔ compare
- Detekce objektůHluboké učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →