Tensorflow2.0 卷积神经网络可视化（三）类激活热力图（CAM，class activation map）

最新推荐文章于 2022-11-15 10:39:53 发布

老光头_ME2CS

最新推荐文章于 2022-11-15 10:39:53 发布

阅读量1w

点赞数 16

分类专栏： Tensorflow 学习笔记卷积神经网络计算机视觉文章标签：可视化深度学习 tensorflow 卷积神经网络

本文链接：https://blog.csdn.net/Forrest97/article/details/105895591

版权

本文介绍了如何使用Tensorflow2.0进行类激活热力图（CAM）的实现，通过VGG16网络对图像进行预测并可视化网络关注的特征。实验表明，网络在识别埃及猫、虎斑猫和Tabby猫时，关注的特征分别是耳朵、眼部和嘴及斑纹。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在神经网络分别中，我们不仅想知道最终预测结果，还需要了解网络是凭借图像什么特征进行判断的。其中类激活热力图 (CAM，class activation map）就是一种很好的呈现方式。

目录标题

类激活热力图 (CAM，class activation map）

类激活热力图 (CAM，class activation map）

导入ImageNet VGG16网络

导入基础包

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

导入ImageNet VGG16网络

VGG16_model = tf.keras.applications.VGG16(include_top=True)
VGG16_model.summary()

加载任一图片

随便网上找一张图，比如使用率最高的猫星人
在这里插入图片描述
加载对应网络的图像处理方法，以及类别解码表
读取本地图片

from tensorflow.keras.applications.vgg16 import preprocess_input, decode_predictions
def prepocess(x):
    x = tf.io.read_file(x)
    x = tf.image.decode_jpeg(x, channels=3)
    x = tf.image.resize(x, [224,224])
    x =tf.expand_dims(x, 0) # 扩维
    x = preprocess_input(x)
    return x

img_path=