Segmentare Semantică Explicabilă
Segmentarea semantică explicabilă (XSS) cuplează analiza scenei la nivel de pixel — atribuirea unei etichete de clasă fiecărui pixel dintr-o imagine — cu metode de explicare post-hoc sau intrinseci, cum ar fi Grad-CAM, hărți de atenție sau SHAP, astfel încât deciziile de clasă ale rețelei să poată fi auditate, vizualizate și justificate experților din domeniu în imagistica medicală, conducerea autonomă și teledetecție.
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 ↗
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/ro/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.
- Mecanismul de atențieÎnvățare profundă↔ compare
- Segmentare de instanțăÎnvățare profundă↔ compare
- LIME: Explicații locale interpretabile, agnostice față de modelÎnvățare automată↔ compare
- Segmentare semanticăÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →