Segmentazione Semantica Spiegabile
La Segmentazione Semantica Spiegabile (XSS) accoppia il parsing della scena pixel per pixel — assegnando un'etichetta di classe a ogni pixel di un'immagine — con metodi di spiegazione post-hoc o intrinseci come Grad-CAM, mappe di attenzione o SHAP, in modo che le decisioni di classe della rete possano essere verificate, visualizzate e giustificate agli esperti di dominio in imaging medico, guida autonoma e telerilevamento.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/it/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.
- Meccanismo di AttenzioneApprendimento profondo↔ compare
- Segmentazione di istanzaApprendimento profondo↔ compare
- LIME: Local Interpretable Model-agnostic ExplanationsApprendimento automatico↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →