Explainable Semantic Segmentation
Explainable Semantic Segmentation (XSS) couples pixel-wise scene parsing — assigning a class label to every pixel in an image — with post-hoc or intrinsic explanation methods such as Grad-CAM, attention maps, or SHAP, so that the network's class decisions can be audited, visualized, and justified to domain experts in medical imaging, autonomous driving, and remote sensing.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.