Επεξηγήσιμη Σημασιολογική Τμηματοποίηση
Η Επεξηγήσιμη Σημασιολογική Τμηματοποίηση (XSS) συνδυάζει την τμηματοποίηση σκηνής ανά εικονοστοιχείο — ανάθεση μιας ετικέτας κλάσης σε κάθε εικονοστοιχείο μιας εικόνας — με μεθόδους μετα-επεξήγησης ή εγγενούς επεξήγησης, όπως Grad-CAM, χάρτες προσοχής, ή SHAP, ώστε οι αποφάσεις κλάσης του δικτύου να μπορούν να ελεγχθούν, να οπτικοποιηθούν και να αιτιολογηθούν σε ειδικούς τομέων στην ιατρική απεικόνιση, την αυτόνομη οδήγηση και τη τηλεπισκόπηση.
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 ↗
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/el/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.
- Μηχανισμός ΠροσοχήςΒαθιά Μάθηση↔ compare
- Τμηματοποίηση Αντικειμένων (Instance Segmentation)Βαθιά Μάθηση↔ compare
- LIME: LIME: Τοπικές Ερμηνεύσιμες Ανεξάρτητες Μοντέλων ΕξηγήσειςΜηχανική Μάθηση↔ compare
- Σημασιολογική ΤμηματοποίησηΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →