Objašnjiva semantička segmentacija
Objašnjiva semantička segmentacija (XSS) spaja piksel-po-piksel raščlanjivanje scene — dodjeljivanje oznake klase svakom pikselu u slici — s post-hoc ili intrinzičnim metodama objašnjenja kao što su Grad-CAM, karte pažnje ili SHAP, tako da se odluke o klasama mreže mogu revidirati, vizualizirati i opravdati stručnjacima u domeni medicinskog snimanja, autonomne vožnje i daljinskog istraživanja.
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 ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/hr/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.
- Attention MechanismDuboko učenje↔ compare
- Instance SegmentationDuboko učenje↔ compare
- LIME: Lokalna interpretibilna modelno-agnostička objašnjenjaStrojno učenje↔ compare
- Semantička segmentacijaDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →