Neues Verfahren liefert globale Erklärungen aus Teil-basierten Bildsegmenten

Deep‑Learning‑Modelle bleiben lange Zeit ein Rätsel. Die meisten bestehenden Erklärungsansätze konzentrieren sich auf lokale, bildspezifische Visualisierungen, während konzeptbasierte Methoden zwar einen globalen Überblick bieten, dafür aber umfangreiche Annotationen erfordern. Das neue Verfahren nutzt benutzerdefinierte Teil‑Labels, die nur auf einer kleinen Bildmenge definiert werden, und überträgt diese effizient auf ein größeres Datenset. Durch die Aggregation der teilbasierten lokalen Erklärungen entstehen damit globale, symbolische Erklärungen, die menschlich verständlich sind und Entscheidungen des Modells auf breiter Basis nachvollziehbar machen.