Nhận diện đối tượng có thể giải thích
Nhận diện đối tượng có thể giải thích kết hợp một bộ dò đối tượng dựa trên học sâu — như YOLO, Faster R-CNN, hoặc DETR — với các phương pháp giải thích hậu kiểm (post-hoc) hoặc tích hợp sẵn (Grad-CAM, LIME, SHAP, D-RISE) để trực quan hóa lý do mô hình đặt một hộp giới hạn (bounding box) tại một vị trí cụ thể và gán một nhãn lớp nhất định, làm cho các quyết định của nó có thể được con người kiểm toán.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Explainable Artificial Intelligence for Object Detection (XAI-OD). ScholarGate. https://scholargate.app/vi/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.
- Phân loại ảnh có khả năng giải thíchHọc sâu↔ compare
- Explainable Vision TransformerHọc sâu↔ compare
- Phân đoạn thực thể (Instance Segmentation)Học sâu↔ compare
- Phát hiện đối tượngHọc sâu↔ compare
- Phân đoạn ngữ nghĩaHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →