Forklarlig Vision Transformer
Forklarlig Vision Transformer kombinerer den stærke billedgenkendelsesydelse fra Vision Transformers (ViT) med attributionsteknikker — såsom relevanspropagering, attention rollout eller gradient-vægtet attention — der fremhæver, hvilke billedregioner der driver hver forudsigelse. Tilgangen gør det muligt for forskere og praktikere at auditere modelbeslutninger og opfylde gennemsigtighedskrav uden at ofre nøjagtighed.
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
- Chefer, H., Gur, S., & Wolf, L. (2021). Transformer interpretability beyond attention visualization. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 782–791. DOI: 10.1109/CVPR46437.2021.00084 ↗
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., … Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Explainable Vision Transformer (XViT / ViT with Post-hoc Attribution). ScholarGate. https://scholargate.app/da/deep-learning/explainable-vision-transformer
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.
- BilledklassifikationDyb læring↔ compare
- Multimodal Vision TransformerDyb læring↔ compare
- Selv-overvåget Vision TransformerDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
- Vision TransformerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →