Erklärbare Semantische Segmentierung
Erklärbare Semantische Segmentierung (XSS) koppelt pixelweise Szenenanalyse – die Zuweisung einer Klassenbezeichnung zu jedem Pixel in einem Bild – mit Post-hoc- oder intrinsischen Erklärungsmethoden wie Grad-CAM, Aufmerksamkeitskarten oder SHAP, sodass die Klassenentscheidungen des Netzwerks von Fachexperten in der medizinischen Bildgebung, autonomen Fahren und Fernerkundung geprüft, visualisiert und begründet werden können.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/de/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.
- Attention MechanismDeep Learning↔ compare
- InstanzsegmentierungDeep Learning↔ compare
- LIME: Local Interpretable Model-agnostic ExplanationsMaschinelles Lernen↔ compare
- Semantische SegmentierungDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →