Grad-CAM热力图

参考博客

step1 将预测图片输入模型进行处理

img = image.load_img(img_path, target_size=(224,224))x = image.img_to_array(img) #  img对象转化为array对象 shape=(224,224,3)x = np.expand_dims(x,axis=0) # 升维，添加一个batch维x = preprocess_input(x) # 对图片使用均值和标准差进行归一化

step2 求模型输出关于最后一层卷积层激活输出的梯度

predict_output = model.output[:,386] # shape=(batch_size, 1000)last_conv_layer=model.get_layer(‘block5_conv3’) # .output.shape=(batch_size, 14, 14, 512) 512为通道数grads = K.gradients(predict_output, last_conv_layer.output)[0] # shape=（batch_size, 14, 14, 512） 第i个分类下的预测概率求最后一个卷积层中各通道的梯度pooled_grads = K.mean(grads, axis=(0,1,2)) # shape=（512,） 512个通道中每一个通道的平均梯度iterate = K.function([model.input],[pooled_grads, last_conv_layer.output[0]])pooled_grads_value, conv_layer_output_value = iterate([x]) # 建立三者的函数关系

step3 最后卷积层激活输出各点位对模型决策分类的重要程度，并进行预处理

# 类激活图，用于表示每一个点位对于模型最后的分类决策的重要程度for i in range(512):conv_layer_output_value[:, :, i] *= pooled_grads_value[i]heatmap = np.mean(conv_layer_output_value, axis=-1) # 沿着通道方向计算平均值heatmap = np.maximum(heatmap,0) # 去除负数heatmap /=max (heatmap) # 归一化处理plt.matshow(heatmap)

step4 生成热力图

heatmap_test = cv2.resize(heatmap, (test.shape[1], test_shape[0]))plt.imshow(heatmap_test)heatmap_test = np.uint8(255*heatmap_test) # 将heatmap数组转换为（0，255）之间的无符号的uint8数值heatmap_test = cv2.applyColorMap(heatmap_test, cv2.COLORMAP_JET) # 转换热力图为喷射效果superimposed_img_test = heatmap_test * 0.5 + test # 热力图与原始图像叠加，0.5是渲染强度

Reference：

Example:

Grad-CAM热力图相关推荐

【学习打卡03】可解释机器学习笔记之CAM类激活热力图
可解释机器学习笔记之CAM类激活热力图文章目录可解释机器学习笔记之CAM类激活热力图 CAM介绍 CAM算法原理 GAP全局平均池化 GAP VS GMP CAM算法的缺点及改进 CAM可视化同 ...
CAM和GradCAM
CAM来自Learning Deep Features for Discriminative Localization, CVPR2016: GradCAM来自Grad-CAM: Visual Exp ...
[可解释机器学习]Task03：[算法]CAM
CAM可解释性分析-算法讲解 CAM类激活热力图:深度学习可解释性分析.显著性分析经典之作 Learning Deep Features for Discriminative Localization ...
【学习打卡】CAM可解释性分析-算法讲解
文章目录引言该算法能做什么直观上研究上意义上精妙之处定位特点弱监督学习特点作者简介 CAM算法原理具体计算方法巧妙之处讨论全卷积神经网络池化简介池化的作用全局平均池化 ...
深入浅出深度学习Pytroch
本文将以通俗易懂的方式,深入浅出地为您揭开深度学习模型构建与训练的面纱: 深度学习 = 数据 d a t a + 模型 m o d e l + 损失函数 l o s s + 优化 o p t i m ...
论文阅读：Grad-CAM
Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization 神经网络输出可视化文章目录 Grad ...
细粒度图像分类论文研读-2019
文章目录 Cross-X Learning for Fine-Grained Visual Categorization(by end-to-end) Abstract Introduction Ap ...
图像分类：13个Kaggle项目的经验总结
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货方向:图像分类,编辑:数据派THU 本文约2800字,建议阅读9分钟本 ...
使用关键点进行小目标检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|OpenCV学堂 [导语]本文搞了一个小的库,主要是用于 ...
自动驾驶中可解释AI综述和未来研究方向
作者丨黄浴@知乎来源丨https://zhuanlan.zhihu.com/p/453146210 编辑丨3D视觉工坊 arXiv上2021年12月21日上传的自动驾驶可解释AI的综述:" ...

Grad-CAM热力图

Grad-CAM热力图相关推荐

最新文章

热门文章