Feature Map of Pytorch示例

场景：假设已训练好model，并选了最佳模型best_net，现在想提取网络层的特征并绘出热力图。

1、oriImg = cv2.imread(image_path) #读取一张图片，image_path是图片路径

2、data = torch.from_numpy(oriImg).type(torch.FloatTensor).cuda()
output = best_net(data) #前向计算，这是best_net上权值结合data生成了网络层的特征值。

3、获取网络层特征值：

activation = {}
def get_activation(name):def hook(model, input, output):activation[name] = output.detach()return hook# normalizing the output
def normalize_output(img):img = img - img.min()img = img / img.max()return img#conv1
best_net.conv1.register_forward_hook(get_activation('conv1'))#maxpool
feature = activation['conv1'].squeeze()
feature_0 = feature[0].cpu().numpy()

假设这里获取卷积层conv1的特征层，然后提取第一个通道。

4、可视化特征值，即可显示特征热力图。

feature_0 = normalize_output(feature_0)
feature_0 = np.uint8(255 * feature_0)
#plot
height, width, _ = oriImg.shape
featuremap = cv2.applyColorMap(cv2.resize(feature_0,(width, height)), cv2.COLORMAP_JET)
#featuremap = featuremap * 0.3 + oriImg * 0.5
plt.imshow(featuremap)
plt.axis('off')

结果：

Feature Map of Pytorch示例相关推荐

卷积后feature map尺寸计算公式
像素宽度:W(Width) 填充大小:P(Padding) 卷积核大小:K(Kernel-size) 步长大小:S(stride) 卷积后所得feature map尺寸大小计算公式如下: 补充: 1. ...
feature map 意义_FeatureMap Viewer以及中心化对统计分布变化的影响讨论
Introduction 准备做一个feature map浏览器,可以做些intuitive的观察.code在这里(tool目录下放的支持变形输入的module.py模块). 可以支持对feature ...
计算feature map大小
输入:N0*C0*H0*W0 输出:N1*C1*H1*W1 输出的feature map大小: H1=H0+2×pad−kernel_sizestride+1H1=\frac{H0+2\times p ...
理解CNN中的特征图 feature map
feature map的含义在每个卷积层,数据都是以三维形式存在的.你可以把它看成许多个二维图片叠在一起,其中每一个称为一个feature map.在输入层,如果是灰度图片,那就只有一个featur ...
AlexNet层级分析（涉及：卷积核操作下下层网络特征图size计算；对通道和卷积核尺寸及通道前层feature map和卷积核的运算关系的解释）
先盗一图,摘自ImageNet Classification with Deep Convolutional Neural Networks(Hinton) 注:看到这个结构,可以得到以下结论(以2. ...
原始图片中的ROI如何映射到到feature map?（转）
链接:https://zhuanlan.zhihu.com/p/24780433 链接:https://www.cnblogs.com/objectDetect/p/5947169.html 在SPP ...
深入理解深度学习中的【卷积】和 feature map
深入理解深度学习中的卷积和feature map 虽然深度学习和CNN的概念已经传遍大街小巷,本文还是说一说CNN中的卷积. 本文主要介绍卷积层的结构.下图显示了CNN中最 ...
卷积神经网络中feature map的含义
卷积神经网络中feature map的含义在每个卷积层,数据都是以三维形式存在的.你可以把它看成许多个二维图片叠在一起,其中每一个称为一个feature map.在输入层,如果是灰度图片,那就只有一 ...
SSD系列算法原理讲解----（1）SSD系列算法介绍（主干网络、多尺度Feature Map预测）（笔记）
SSD系列算法原理介绍 SSD算法介绍: Single Shot MultiBox Detector(One-stage方法) - Wei Liu在ECCV 2016提出 - 直接回归目标类别和位置 ...

Feature Map of Pytorch示例

Feature Map of Pytorch示例相关推荐

最新文章

热门文章