Objašnjiva klasifikacija slika
Objašnjiva klasifikacija slika kombinuje duboko-učeći klasifikator slika — tipično CNN ili Vision Transformer — sa post-hok ili intrinzičnom metodom interpretiranja kao što su Grad-CAM, LIME ili SHAP, kako bi se proizvele vizuelne ili kvantitativne egzekucije zašto je model dodelio određenu oznaku slici. Cilj je da se proces odlučivanja klasifikatora učini transparentnim, revizibilnim i pouzdanim.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Image Classification (XAI-augmented CNN/Transformer Classifiers). ScholarGate. https://scholargate.app/sr/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.
- Fino podešena klasifikacija slikaDuboko učenje↔ compare
- Класификација сликаDuboko učenje↔ compare
- Detekcija objekataDuboko učenje↔ compare
- Semantička segmentacijaDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →