طبقهبندی تصویر قابل توضیح (Explainable Image Classification)
طبقهبندی تصویر قابل توضیح، یک طبقهبند تصویر یادگیری عمیق — معمولاً یک CNN یا Vision Transformer — را با یک روش تفسیرپذیری پسینی (post-hoc) یا ذاتی (intrinsic) مانند Grad-CAM، LIME، یا SHAP ترکیب میکند تا توضیحات بصری یا کمی در مورد اینکه چرا مدل برچسب خاصی را به تصویر نسبت داده است، ارائه دهد. هدف این است که فرآیند تصمیمگیری طبقهبند شفاف، قابل حسابرسی و قابل اعتماد شود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). Why Should I Trust You?: Explaining the Predictions of Any Classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135-1144. DOI: 10.1145/2939672.2939778 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/fa/deep-learning/explainable-image-classification
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.
- طبقهبندی تصویر با تنظیم دقیق (Fine-Tuned Image Classification)یادگیری عمیق↔ compare
- طبقهبندی تصویریادگیری عمیق↔ compare
- تشخیص اشیاءیادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →