Επεξηγήσιμη Ταξινόμηση Εικόνων
Η επεξηγήσιμη ταξινόμηση εικόνων συνδυάζει έναν ταξινομητή εικόνων βαθιάς μάθησης — τυπικά ένα CNN ή Vision Transformer — με μια μέθοδο ερμηνευσιμότητας μετά την εκπαίδευση (post-hoc) ή εγγενή (intrinsic), όπως Grad-CAM, LIME ή SHAP, για την παραγωγή οπτικών ή ποσοτικών εξηγήσεων για τον λόγο που το μοντέλο απέδωσε μια συγκεκριμένη ετικέτα σε μια εικόνα. Στόχος είναι να καταστεί η διαδικασία λήψης αποφάσεων του ταξινομητή διαφανής, ελέγξιμη και αξιόπιστη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/el/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.
- Εξειδικευμένη Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Κατηγοριοποίηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Ανίχνευση ΑντικειμένωνΒαθιά Μάθηση↔ compare
- Σημασιολογική ΤμηματοποίησηΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →