Vysvetliteľná klasifikácia obrazu
Vysvetliteľná klasifikácia obrazu kombinuje hlboký obrazový klasifikátor — typicky CNN alebo Vision Transformer — s post-hoc alebo intrinzickou metódou interpretovateľnosti, ako je Grad-CAM, LIME alebo SHAP, na generovanie vizuálnych alebo kvantitatívnych vysvetlení, prečo model priradil konkrétny štítok k obrazu. Cieľom je urobiť rozhodovací proces klasifikátora transparentným, auditovateľným a dôveryhodným.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/sk/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.
- Dolaďovanie klasifikácie obrazuHlboké učenie↔ compare
- Klasifikácia obrazuHlboké učenie↔ compare
- Detekcia objektovHlboké učenie↔ compare
- Sémantická segmentáciaHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →