Selitettävä kuvien luokittelu
Selitettävä kuvien luokittelu yhdistää syväoppimiseen perustuvan kuvien luokittelijan – tyypillisesti CNN:n tai Vision Transformer -mallin – jälkikäteiseen tai sisäiseen tulkittavuusmenetelmään, kuten Grad-CAM, LIME tai SHAP, tuottaakseen visuaalisia tai kvantitatiivisia selityksiä siitä, miksi malli määritti kuvalle tietyn tunnisteen. Tavoitteena on tehdä luokittelijan päätöksentekoprosessista läpinäkyvä, auditoitava ja luotettava.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/fi/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.
- Hienosäädetty kuvien luokitteluSyväoppiminen↔ compare
- KuvanluokitteluSyväoppiminen↔ compare
- KohdetunnistusSyväoppiminen↔ compare
- Semanttinen segmentointiSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →