Objašnjiva detekcija objekata
Objašnjiva detekcija objekata kombinira duboko-učeći detektor objekata — kao što su YOLO, Faster R-CNN ili DETR — s post-hoc ili ugrađenim metodama objašnjivosti (Grad-CAM, LIME, SHAP, D-RISE) koje vizualiziraju zašto je model postavio ogradni okvir na određenu lokaciju i dodijelio određenu klasu, čineći njegove odluke revizibilnima za ljude.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/hr/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.
- Objašnjiva klasifikacija slikaDuboko učenje↔ compare
- Objašnjivi Vision TransformerDuboko učenje↔ compare
- Instance SegmentationDuboko učenje↔ compare
- Detekcija objekataDuboko učenje↔ compare
- Semantička segmentacijaDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →