Explainable Instance Segmentation
Explainable Instance Segmentation combines deep-learning instance segmentation models — which detect and delineate every individual object as a separate pixel mask — with post-hoc or ante-hoc explainability techniques such as GradCAM, SHAP, LIME, or attention visualization, so that each predicted mask is accompanied by evidence showing which image regions drove the model's decision.
Εγγραφή πηγής
Οι παραπομπές αντιγράφονται αυτούσιες από την εγγραφή πηγής της μεθόδου. Δεν υπονοείται επαλήθευση σε επίπεδο ισχυρισμού από αυτές.
- Lindner, M., Meng, C., & Bischl, B. (2023). Explaining Instance Segmentation Models via Saliency Maps and Occlusion. IEEE Transactions on Pattern Analysis and Machine Intelligence. · URL
- Instance segmentation. Wikipedia. · URL
Επιμελημένοι ισχυρισμοί
Οι ισχυρισμοί έχουν αποθηκευτεί στο καθολικό τεκμηρίων, καθένας με τη δική του αξιολόγηση.
Αυτή η προβολή δεν επινοεί αξιολόγηση ισχυρισμού όταν το καθολικό δεν έχει κανέναν.
Σχετικές μέθοδοι
Δημιουργούνται από τον γράφο μεθόδων και εμφανίζονται ως προτεινόμενες από μηχανή σχέσεις — δεν υπονοείται ισχυρισμός τεκμηρίου.