Segmentación Semántica Explicable
La Segmentación Semántica Explicable (XSS) acopla el análisis de escenas píxel a píxel —asignando una etiqueta de clase a cada píxel de una imagen— con métodos de explicación post-hoc o intrínsecos como Grad-CAM, mapas de atención o SHAP, de modo que las decisiones de clase de la red puedan ser auditadas, visualizadas y justificadas a expertos del dominio en imagen médica, conducción autónoma y teledetección.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/es/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.
- Mecanismo de atenciónAprendizaje profundo↔ compare
- Segmentación de instanciasAprendizaje profundo↔ compare
- LIME: Explicaciones Locales Interpretables Agnósticas al ModeloAprendizaje automático↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →