基于resnet50_cam的改进

 主要目标是进行图像分类任务，并且通过 ASPP 模块提高网络的感受野，CAM 类则用于生成类激活映射，帮助理解模型对输入图像的分类依据。

ASPP类 Atrous spatial pyramid pooling

用于分类任务，其中包含带有不同扩张率的卷积层。

Net类

对输入图像和标签进行处理，通过骨干网络和线性变换，最终通过 ASPP 进行分类。

初始化方法

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()

        self.resnet50 = ···
        self.stage1 = ···
        self.stage2 = ···
        self.stage3 = ···
        self.stage4 =···

 引入线性层和ASPP模块

''' 线性层 '''
        self.label_enc = nn.Linear(in_features, out_features)
        ''' ASPP 模块,用于分类任务，其中包含带有不同扩张率的卷积层'''
        self.classifier = nn.Sequential(
            nn.Dropout(a),
            _ASPP(in_ch, out_ch, rates=astrous_rates)
        )

主干和新增

        self.backbone
        self.newly_added

 forward

首先对输入的标签进行线性变换，并