深度学习中的Heatmap可视化
注:本博客提到的Heatmap指在目标检测、人脸检测或关键点检测等任务中经常出现的热力图,图上某点的值为[0,1]区间内的小数,通常表示此处有目标(或者人脸)的概率。
实际研究中Heatmap可能是某个网络得到的任意一个概率分布图,这里我们就以一个概率值满足二维高斯分布的Heatmap作为例子。
制作Heatmap
使用cv2.getGaussianKernel(size,sigma)可以生成一个一维的高斯核kernel,
二维的高斯核可以用kernel与kenel的转置求矩阵积得到。
import numpy as np
import cv2
kernel=cv2.getGaussianKernel(256,50)
kernel=kernel*kernel.T
#scales all the values and make the center vaule of kernel to be 1.0
kernel=kernel/np.max(kernel)
Heatmap可视化
注意将矩阵的dtype转为uint8,不然opencv将无法显示图片。
cv2.applyColorMap()函数依据第二个参数可以将灰度图转化为不同风格的RGB图,这里我们选择cv2.COLORMAP_HOT。
heatmap=kernel*255
heatmap=heatmap.astype(np.uint8)
heatmap=cv2.applyColorMap(heatmap, cv2.COLORMAP_HOT)
cv2.imshow('heatmap',heatmap)
cv2.waitKey(0)
效果: