Clasificare Explicabilă a Imaginilor
Clasificarea explicabilă a imaginilor combină un clasificator de imagini bazat pe învățare profundă — de obicei un CNN sau Vision Transformer — cu o metodă de interpretabilitate post-hoc sau intrinsecă, cum ar fi Grad-CAM, LIME sau SHAP, pentru a produce explicații vizuale sau cantitative ale motivului pentru care modelul a atribuit o anumită etichetă unei imagini. Scopul este de a face procesul decizional al clasificatorului transparent, audibil și demn de încredere.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/ro/deep-learning/explainable-image-classification
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.
- Clasificarea imaginilor prin ajustare fină (fine-tuning)Învățare profundă↔ compare
- Clasificarea ImaginilorÎnvățare profundă↔ compare
- Detecția obiectelorÎnvățare profundă↔ compare
- Segmentare semanticăÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →