特征可视化之CAM

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])
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