Segmentation Sémantique Explicable
La Segmentation Sémantique Explicable (XSS) couple l'analyse de scène pixel par pixel — attribuant une étiquette de classe à chaque pixel d'une image — avec des méthodes d'explication post-hoc ou intrinsèques telles que Grad-CAM, les cartes d'attention, ou SHAP, afin que les décisions de classe du réseau puissent être auditées, visualisées et justifiées auprès d'experts du domaine en imagerie médicale, conduite autonome et télédétection.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/fr/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.
- Mécanisme d'attentionApprentissage profond↔ compare
- Segmentation d'instancesApprentissage profond↔ compare
- LIME : Explications Locales Interprétables Agnostiques du ModèleApprentissage automatique↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →