Explainable Semantic Segmentation
Explainable Semantic Segmentation (XSS) koppelt pixel-gewijze scène-indeling — waarbij aan elke pixel in een afbeelding een klasselabel wordt toegekend — aan post-hoc of intrinsieke verklaringsmethoden zoals Grad-CAM, attention maps of SHAP, zodat de klassenbeslissingen van het netwerk gecontroleerd, gevisualiseerd en gerechtvaardigd kunnen worden aan domeinexperts in medische beeldvorming, autonoom rijden en teledetectie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/nl/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.
- Attention MechanismDeep learning↔ compare
- InstantiesegmentatieDeep learning↔ compare
- LIME: Lokaal interpreteerbare modelonafhankelijke verklaringenMachine learning↔ compare
- Semantische segmentatieDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →