Wyjaśnialna segmentacja semantyczna
Wyjaśnialna segmentacja semantyczna (XSS) łączy analizę sceny piksel po pikselu — przypisywanie etykiety klasy każdemu pikselowi na obrazie — z metodami post-hoc lub wewnętrznymi wyjaśnień, takimi jak Grad-CAM, mapy uwagi czy SHAP, aby decyzje klasowe sieci mogły być audytowane, wizualizowane i uzasadniane ekspertom dziedzinowym w obrazowaniu medycznym, autonomicznych pojazdach i teledetekcji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/pl/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.
- Mechanizm uwagiUczenie głębokie↔ compare
- Segmentacja instancjiUczenie głębokie↔ compare
- LIME: Lokalnie Wyjaśnialne Modelowo-Agnostyczne WyjaśnieniaUczenie maszynowe↔ compare
- Segmentacja semantycznaUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →