Machine learningDeep learning / NLP / CV
설명 가능한 이미지 분류
설명 가능한 이미지 분류는 딥러닝 이미지 분류기(일반적으로 CNN 또는 Vision Transformer)와 Grad-CAM, LIME, SHAP와 같은 사후 또는 내재적 해석 가능성 방법을 결합하여 모델이 특정 레이블을 이미지에 할당한 이유에 대한 시각적 또는 정량적 설명을 생성합니다. 목표는 분류기의 결정 과정을 투명하고 감사 가능하며 신뢰할 수 있도록 만드는 것입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →