Machine learningDeep learning / NLP / CV
설명 가능한 객체 탐지
설명 가능한 객체 탐지는 YOLO, Faster R-CNN, 또는 DETR과 같은 딥러닝 객체 탐지기에 사후 또는 내장된 설명 가능성 방법(Grad-CAM, LIME, SHAP, D-RISE)을 결합하여 모델이 특정 위치에 바운딩 박스를 배치하고 특정 클래스 레이블을 할당한 이유를 시각화함으로써 인간이 그 결정을 감사할 수 있도록 합니다.
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 Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/ko/deep-learning/explainable-object-detection
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.
- 설명 가능한 이미지 분류딥러닝↔ compare
- 설명 가능한 비전 트랜스포머(Explainable Vision Transformer)딥러닝↔ compare
- 인스턴스 분할딥러닝↔ compare
- 객체 탐지딥러닝↔ compare
- Semantic segmentation딥러닝↔ compare