تشخیص اشیاء قابل توضیح (Explainable Object Detection)
تشخیص اشیاء قابل توضیح، یک آشکارساز اشیاء مبتنی بر یادگیری عمیق — مانند YOLO، Faster R-CNN، یا DETR — را با روشهای توضیحپذیری پس از وقوع (post-hoc) یا داخلی (built-in) (مانند Grad-CAM، LIME، SHAP، D-RISE) ترکیب میکند که نشان میدهند چرا مدل یک کادر مرزی را در مکان خاصی قرار داده و یک برچسب کلاس معین را اختصاص داده است، و تصمیمات آن را توسط انسانها قابل حسابرسی میسازد.
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 Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/fa/deep-learning/explainable-object-detection
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 قابل توضیح (Explainable Image Classification)یادگیری عمیق↔ compare
- ترانسفورمر بینایی قابل توضیحیادگیری عمیق↔ compare
- برش زنی نمونه (Instance Segmentation)یادگیری عمیق↔ compare
- تشخیص اشیاءیادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →