Magyarázható Képosztályozás
A magyarázható képosztályozás egy mélytanuló képosztályozót – tipikusan egy konvolúciós neurális hálózatot (CNN) vagy Vision Transzformert – egy utólagos vagy beépített értelmezhetőségi módszerrel, mint például a Grad-CAM, LIME vagy SHAP kombinál, hogy vizuális vagy mennyiségi magyarázatokat adjon arra, hogy a modell miért rendelt egy adott címkét egy képhez. A cél a besoroló döntési folyamatának átláthatóvá, ellenőrizhetővé és megbízhatóvá tétele.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/hu/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.
- Finomhangolt képbesorolásMélytanulás↔ compare
- KéposztályozásMélytanulás↔ compare
- ObjektumdetektálásMélytanulás↔ compare
- Szemantikus szegmentációMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →