Segmentación Explicable de Instancias

La segmentación explicable de instancias combina modelos de segmentación de instancias de aprendizaje profundo —que detectan y delimitan cada objeto individual como una máscara de píxeles separada— con técnicas de explicabilidad post-hoc o ante-hoc como GradCAM, SHAP, LIME o visualización de atención, de modo que cada máscara predicha vaya acompañada de evidencia que muestre qué regiones de la imagen impulsaron la decisión del modelo.