PyTorch深度学习实战(14)——类激活图
0. 前言
我们已经能够构建性能优异的神经网络模型,但对我们而言,卷积神经网络的决策过程难以解释和理解。类激活图 (Class Activation Map
, CAM
) 是一种可视化技术,用于解释深度学习模型在图像分类任务中的决策过程。它能够显示出对于分类结果影响最显著的图像区域,从而提供对模型决策的可解释性。通过观察类激活图,可以理解模型在分类决策中注重的区域和特征,这有助于我们分析和解释模型的决策依据,以及验证模型是否关注了正确的特征。本节中,将介绍类激活图的基本概念,并使用训练好的模型生成图像的类激活图。
1. 类激活图
1.1 基本概念
类激活图 (Class Activation Map
, CAM
) 是一种用于可视化卷积神经网络 (Convolutional Neural Networks
, CNN
) 中每个类别的局部重要性的技术,使用 CAM
可以帮助我们理解 CNN
的决策过程,以及哪些特征对于某个类别的分类最为重要。一个示例 CAM
如下所示,其中左侧是输入图像,右侧突出显示了用于类别预测的像素:
根据以上激活图可以看到高激活区域集中