测试用例实例

东狱邪神

已于 2022-08-01 00:36:53 修改

阅读量414

点赞数

文章标签： python

于 2022-07-29 01:16:28 首次发布

本文链接：https://blog.youkuaiyun.com/dongyuxieshen/article/details/126047184

版权

该代码段展示了一个使用PyTorch和BilinearInterpolation库来处理和可视化卷积神经网络（CNN）特征映射的过程。首先，对输入图像进行预处理，然后通过模型获取特征图。接着，对每个通道的特征映射进行累加并应用插值变换，最后保存可视化结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import os
import cv2
import sys
import glob
import numpy as np

def visualize_feature_map(img_batch,out_path,type,BI):
    feature_map = torch.squeeze(img_batch)
    feature_map = feature_map.detach().cpu().numpy()

    feature_map_sum = feature_map[0, :, :]
    feature_map_sum = np.expand_dims(feature_map_sum, axis=2)
    for i in range(0, 2048):
        feature_map_split = feature_map[i,:, :]
        feature_map_split = np.expand_dims(feature_map_split,axis=2)
        if i > 0:
            feature_map_sum +=feature_map_split
        feature_map_split = BI.transform(feature_map_split)

        plt.imshow(feature_map_split)
        plt.savefig(out_path + str(i) + "_{}.jpg".format(type) )
        plt.xticks()
        plt.yticks()
        plt.axis('off')

    feature_map_sum = BI.transform(feature_map_sum)
    plt.imshow(feature_map_sum)
    plt.savefig(out_path + "sum_{}.jpg".format(type))
    print("save sum_{}.jpg".format(type))

if __name__ == '__main__':
    imgs_path = "/path/to/imgs/"
    save_path = "/save/path/to/output/"
    model = Init_Setting(120)
    BI = BilinearInterpolation(8, 8)

    data = image_proprecess(out_path + "0836.jpg")
    data = data.cuda()
    output, _ = model(data)
    visualize_feature_map(output, save_path, "drone", BI)