Machine learningDeep learning / NLP / CV
זיהוי אובייקטים ניתן להסבר
זיהוי אובייקטים ניתן להסבר משלב זיהוי אובייקטים מבוסס למידה עמוקה — כגון YOLO, Faster R-CNN, או DETR — עם שיטות הסבר לאחר מעשה (post-hoc) או מובנות (Grad-CAM, LIME, SHAP, D-RISE) הממחישות מדוע המודל הציב תיבה תוחמת במיקום מסוים והקצה תווית סיווג מסוימת, ובכך הופכות את החלטותיו לניתנות לביקורת על ידי בני אדם.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Explainable Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/he/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.
- סיווג תמונות ניתן להסברלמידה עמוקה↔ compare
- Vision Transformer בר-הסברלמידה עמוקה↔ compare
- פילוח מופעיםלמידה עמוקה↔ compare
- זיהוי אובייקטיםלמידה עמוקה↔ compare
- סגמנטציה סמנטיתלמידה עמוקה↔ compare