Segmentação Semântica Explicável
Segmentação Semântica Explicável (XSS) acopla o particionamento de cena pixel a pixel — atribuindo um rótulo de classe a cada pixel em uma imagem — com métodos de explicação pós-hoc ou intrínsecos, como Grad-CAM, mapas de atenção ou SHAP, para que as decisões de classe da rede possam ser auditadas, visualizadas e justificadas para especialistas de domínio em imagens médicas, direção autônoma e sensoriamento remoto.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/pt/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.
- Mecanismo de AtençãoAprendizado profundo↔ compare
- Segmentação de InstânciaAprendizado profundo↔ compare
- LIME: Explicações Locais Interpretáveis Agnostic-ao-ModeloAprendizado de máquina↔ compare
- Segmentação semânticaAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →