[ 可视化 ] 经典网络模型 —— Grad-CAM 详解与复现

Horizon John

已于 2024-05-17 15:54:06 修改

阅读量4.4w

点赞数 62

分类专栏：经典网络模型文章标签：人工智能深度学习可视化 Grad-CAM CAM

于 2022-07-08 17:00:26 首次发布

本文链接：https://blog.csdn.net/weixin_45084253/article/details/125675573

版权

经典网络模型专栏收录该内容

29 篇文章

订阅专栏

🤵 Author ：Horizon John

✨ 编程技巧篇：各种操作小结

🎇 机器视觉篇：会变魔术 OpenCV

💥 深度学习篇：简单入门 PyTorch

🏆 神经网络篇：经典网络模型

💻 算法篇：再忙也别忘了 LeetCode

🚀 Grad-CAM

随着神经网路模型的不断发展，深度模型通过使用更抽象（增加网络层数）和 更紧密（端到端训练）实现了更好的性能；

但随之带来的是对于神经网络的 可解释性 ：为什么会出现这样的结果？网络的关注点在哪？

基于此提出的 Grad-CAM 利用热力图的方式实现网络预测过程的可视化，并帮助我们更好的理解神经网络；

Grad-CAM 是 CAM 的推广，不需要更改网络结构或重新训练就能实现更多 CNN 模型的可视化；

🔗 论文地址：Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization

🍳 GitHub：PyTorch-Grad-CAM

在这里插入图片描述

🚀 Grad-CAM 详解

🎨 论文贡献

提出了一种类别区分的定位技术，可以为任何基于 CNN 的网络生成可视化解释，需要更改网络结构或重新训练；
可以应用于图像分类、图像描述、视觉问答等模型，用于发现问题与解释不合理的地方；
揭示了数据集中的偏差来帮助故障诊断；
介绍了用于图像分类和视觉问答的 ResNets 可视化；
使用来自 Grad-CAM 神经元的重要性并利用神经元名称用于文本解释；
展示了 Guided Grad-CAM 的解释是有类别歧视的；

🎨 原理介绍

在这里插入图片描述

→ ：前向传播 → ：反向传播

🚩 Grad-CAM 可视化流程

输入：给定的一个图像和一个感兴趣的类别（例如：tiger cat）；
通过模型的 CNN 部分进行向前传播，得到特定任务的各类别分数 y（ softmax 层之前）；
将给定的类别（tiger cat）设置为 1，其他类别的梯度都设置为 0 ；
将给定类别分数 y^c 反向传播至卷积特征图，组合计算得到粗糙的梯度CAM定位（蓝色热力图）；
将热力图与反向传播的结果进行点乘，得到高分辨率的特定 Grad-CAM 可视化图；

🚩 Grad-CAM 计算

针对类别为c、宽度u、高度为v 的类别定位图 Grad-CAM L $^c_{Grad-CAM}$ ∈ R^u×v

在这里插入图片描述

y^c ：前向传播得到的类别 c 所对应的分数 (before the softmax) ；
A $^k_{ij}$ ：特征层 A 的第 k 个通道上坐标 ( i, j ) 的数据；
$\frac {∂y^c} {∂A^k}$ ：类别 c 在特征层 A 上反向传播得到的梯度信息；
Z ：宽度 i 和高度 j 的乘积；
将计算得到的梯度在宽度 i 和高度 j 的维度上进行全局平均池化，得到重要性权重 α $^c_k$ ；

计算关于激活函数的权重矩阵和梯度的乘积；
最后进行加权求和，并通过 ReLU 激活后输出；

在这里插入图片描述

c：选取的类别 c ；
k ：第 k 个通道；
A：需要进行可视化的特征层，一般选取最后一个卷积层的输出；
α $^c_k$ ：类别 c 在特征层 A 的第 k 个通道上的权重；
A ^k ：特征层 A 的第 k 个通道上的权重矩阵；
ReLU ：使最后的输出结果 >0 ，抑制不感兴趣的权重部分；

详细可以参考下图：

在这里插入图片描述

🚩 Guided Grad-CAM

虽然 Grad-CAM 具有分类区分和局部化相关图像区域的能力；

但仍缺乏类似于 Guided Backpropagation 像素空间梯度可视化的那种突出细粒度细节的能力；

基于此，作者通过元素级乘法融合了Guided Backpropagation 和 Grad-CAM 可视化；

首先使用双线性插值将 L $^c_{Grad-CAM}$ 上采样到输入图像分辨率；

在这里插入图片描述

🎨 实例展示

🚩 评估 Grad-CAM 定位能力

在这里插入图片描述

🚩 Grad-CAM 图像分类

在这里插入图片描述

🚩 Grad-CAM 视觉解释和文本解释

在这里插入图片描述

🚩 Grad-CAM 图像描述

在这里插入图片描述

🚩 Grad-CAM 视觉问答

在这里插入图片描述

🚩 Grad-CAM

不同层的可视化：

在这里插入图片描述

对比展示：

在这里插入图片描述

🚀 Grad-CAM 复现

# Here is the code ：

import os
import numpy as np
import torch
from PIL import Image
import matplotlib.pyplot as plt
from torchvision import models
from torchvision import transforms
from pytorch_grad_cam import GradCAM
from pytorch_grad_cam.utils.image import show_cam_on_image
from pytorch_grad_cam.utils.model_targets import ClassifierOutputTarget


def main():
    model = models.resnet50(pretrained=True)
    target_layers = [model.layer4[-1]]

    data_transform = transforms.Compose([
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])

    # Prepare image
    img_path = "image.png"
    assert os.path.exists(img_path), "file: '{}' dose not exist.".format(img_path)
    img = Image.open(img_path).convert('RGB')
    img = np.array(img, dtype=np.uint8)
    img_tensor = data_transform(img)
    input_tensor = torch.unsqueeze(img_tensor, dim=0)

    # Grad CAM
    cam = GradCAM(model=model, target_layers=target_layers, use_cuda=True)
    # targets = [ClassifierOutputTarget(281)]     # cat
    targets = [ClassifierOutputTarget(254)]  # dog

    grayscale_cam = cam(input_tensor=input_tensor, targets=targets)
    grayscale_cam = grayscale_cam[0, :]
    visualization = show_cam_on_image(img.astype(dtype=np.float32)/255.,
                                      grayscale_cam, use_rgb=True)

    plt.imshow(visualization)
    plt.show()


if __name__ == '__main__':
    main()

结果展示：

targets = [ClassifierOutputTarget(281)]      # cat

在这里插入图片描述

targets = [ClassifierOutputTarget(254)]    # dog

在这里插入图片描述

targets = None    # 默认显示得分最高的那个类别