Объяснимая семантическая сегментация
Объяснимая семантическая сегментация (XSS) сочетает попиксельный разбор сцены — присвоение метки класса каждому пикселю изображения — с пост-хок или внутренними методами объяснения, такими как Grad-CAM, карты внимания или SHAP, чтобы решения модели о классах могли быть проверены, визуализированы и обоснованы экспертам в предметной области медицинской визуализации, автономного вождения и дистанционного зондирования.
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 ↗
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/ru/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.
- Механизм вниманияГлубокое обучение↔ compare
- Сегментация экземпляровГлубокое обучение↔ compare
- LIME: Локально-интерпретируемые модельно-агностические объясненияМашинное обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →