Explainable Instance Segmentation
Explainable Instance Segmentation combines deep-learning instance segmentation models — which detect and delineate every individual object as a separate pixel mask — with post-hoc or ante-hoc explainability techniques such as GradCAM, SHAP, LIME, or attention visualization, so that each predicted mask is accompanied by evidence showing which image regions drove the model's decision.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- Lindner, M., Meng, C., & Bischl, B. (2023). Explaining Instance Segmentation Models via Saliency Maps and Occlusion. IEEE Transactions on Pattern Analysis and Machine Intelligence. · URL
- Instance segmentation. Wikipedia. · URL
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.