Explainable Semantic Segmentation
Explainable Semantic Segmentation (XSS) เป็นการผสมผสานการแบ่งส่วนฉากแบบพิกเซลต่อพิกเซล — การกำหนดป้ายกำกับคลาสให้กับทุกพิกเซลในภาพ — เข้ากับวิธีการอธิบายผลลัพธ์แบบหลังการฝึก (post-hoc) หรือแบบภายในตัว (intrinsic) เช่น Grad-CAM, attention maps, หรือ SHAP เพื่อให้การตัดสินใจคลาสของโครงข่ายสามารถตรวจสอบได้ แสดงผลด้วยภาพ และให้เหตุผลแก่ผู้เชี่ยวชาญเฉพาะทางในสาขาการถ่ายภาพทางการแพทย์, การขับขี่อัตโนมัติ, และการสำรวจระยะไกล
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Explainable Semantic Segmentation (XAI-Integrated Pixel-Wise Scene Parsing). ScholarGate. https://scholargate.app/th/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.
- กลไกการใส่ใจ (Attention Mechanism)การเรียนรู้เชิงลึก↔ compare
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- LIME: คำอธิบายแบบจำลองที่ตีความได้เฉพาะที่และไม่ขึ้นกับแบบจำลองการเรียนรู้ของเครื่อง↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare