Объяснимое детектирование объектов
Объяснимое детектирование объектов (explainable object detection) объединяет глубокообученный детектор объектов — такой как YOLO, Faster R-CNN или DETR — с пост-хок или встроенными методами объяснимости (Grad-CAM, LIME, SHAP, D-RISE), которые визуализируют, почему модель поместила ограничивающую рамку в определенное место и присвоила ей определенный класс, делая ее решения проверяемыми для человека.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Explainable Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/ru/deep-learning/explainable-object-detection
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.
- Объяснимая классификация изображенийГлубокое обучение↔ compare
- Объяснимый Vision TransformerГлубокое обучение↔ compare
- Сегментация экземпляровГлубокое обучение↔ compare
- Обнаружение объектовГлубокое обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →