特征可视化之CAM

我不是小宗

已于 2024-01-30 14:39:54 修改

阅读量647

点赞数 4

CC 4.0 BY-SA版权

分类专栏：算法评估文章标签：深度学习 python pytorch

于 2024-01-29 21:35:24 首次发布

本文链接：https://blog.youkuaiyun.com/L__james/article/details/135920583

1 介绍

类别激活映射Class Activation Maps（CAM）可用于可视化深度学习模型中间层特征图，它通过高亮输入图像的部分区域（对于模型识别目标的贡献较大），提供了对模型决策效果的直观解释。论文链接：CAM

具体操作：

CAM由两部分加权构成：原图+特征图，其中，特征图是通过：最后一个全连接层的参数与最后输出的特征图对应相乘再相加而成，如下图所示：
在这里插入图片描述

2 基于ConvNeXt可视化代码

import torch
import cv2
import numpy as np
from PIL import Image
import torchvision.transforms as transforms


def draw_feature(model, img_path, save_img_path):
    origin_image = Image.open(img_path)
    input_shape = [224, 224]
    data_transform = transforms.Compose(
        [transforms.Resize(input_shape),
         transforms.ToTensor(),
         transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])