Forklarlig Semantisk Segmentering
Forklarlig Semantisk Segmentering (XSS) kombinerer pixel-vis segmenteringsanalyse — tildeling af en klasselabel til hver pixel i et billede — med post-hoc eller intrinsiske forklaringsmetoder såsom Grad-CAM, attention maps eller SHAP, således at netværkets klassebeslutninger kan auditeres, visualiseres og begrundes over for domæneeksperter inden for medicinsk billedanalyse, autonom kørsel og fjernmåling.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/da/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.
- OpmærksomhedsmekanismeDyb læring↔ compare
- InstanssegmenteringDyb læring↔ compare
- LIME: Local Interpretable Model-agnostic ExplanationsMaskinlæring↔ compare
- Semantisk segmenteringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →