Pytorch-Grad-CAM—特征图可视化

论文:

Grad-CAM: Why did you say that? Visual Explanations from Deep Networks via Gradient-based Localization

链接:论文链接

0.CAM和Grad-CAM基于1个假设:

  • 类别c获得的softmax分数yc,是最后1层卷积特征图A(可以包含多个通道)的全局均值池化后的线性组合。

1.原理

Grad-CAM是使用任何目标概念的梯度,流入最后一卷积层,生成1个粗略的定位图来显示和【预测区域】关联性更高的区域。

在这里插入图片描述

2.实现方式:

以上图的【猫】为例:

最后一层的特征图有:N个通道(每个通道用k表示)

1.求偏导数

计算最后一层softmax输出中【猫类】概率yc对最后一层

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值