🤵 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
[ 可视化 ] 经典网络模型 —— Grad-CAM 详解与复现
🚀 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 ;
![](https://i-blog.csdnimg.cn/blog_migrate/e4bfbafa14994d7da6e2f43f03db4ebd.gif#pic_center)
🔗 论文地址:Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
🍳 GitHub:PyTorch-Grad-CAM
🚀 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
🚩 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 yc 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 G r a d − C A M c ^c_{Grad-CAM} Grad−CAMc ∈ Ru×v
- yc :前向传播得到的 类别 c 所对应的分数 (before the softmax) ;
- A i j k ^k_{ij} ijk :特征层 A 的第 k 个通道上坐标 ( i, j ) 的数据 ;
- ∂ y c ∂ A k \frac {∂y^c} {∂A^k} ∂Ak∂yc :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 k c ^c_k kc ;
- 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 ;
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 k c ^c_k kc :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:
🚩 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 G r a d − C A M c ^c_{Grad-CAM} Grad−CAMc 上采样到输入图像分辨率 ;
🎨 实例展示
🚩 评估 Grad-CAM 定位能力
🚩 Grad-CAM 图像分类
🚩 Grad-CAM 视觉解释和文本解释
🚩 Grad-CAM 图像描述
🚩 Grad-CAM 视觉问答
🚩 Grad-CAM
- 不同层的可视化 :
- 对比展示 :
🚀 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
targets = [ClassifierOutputTarget(254)] # dog
targets = None # 默认显示得分最高的那个类别