Επεξηγήσιμη Τμηματοποίηση Αντικειμένων

Η Επεξηγήσιμη Τμηματοποίηση Αντικειμένων συνδυάζει μοντέλα τμηματοποίησης αντικειμένων βαθιάς μάθησης — τα οποία ανιχνεύουν και οριοθετούν κάθε μεμονωμένο αντικείμενο ως ξεχωριστή μάσκα pixel — με τεχνικές επεξηγησιμότητας μετά την εκπαίδευση (post-hoc) ή πριν την εκπαίδευση (ante-hoc) όπως GradCAM, SHAP, LIME, ή οπτικοποίηση προσοχής (attention visualization), ώστε κάθε προβλεπόμενη μάσκα να συνοδεύεται από στοιχεία που δείχνουν ποιες περιοχές της εικόνας οδήγησαν στην απόφαση του μοντέλου.