Class Activation Mapping (CNN可视化) Python示例

最新推荐文章于 2025-03-18 10:04:35 发布

fjssharpsword

最新推荐文章于 2025-03-18 10:04:35 发布

阅读量1.5k

点赞数 1

分类专栏：机器学习专栏 python专栏

本文链接：https://blog.youkuaiyun.com/fjssharpsword/article/details/105110278

版权

Class Activation Mapping

论文：CVPR2016《Learning Deep Features for Discriminative Localization》

代码：https://github.com/acheketa/pytorch-CAM/blob/master/update.py

1、首先定义并训练好CNN网络，很重要的一点是网络的最后一个卷积层必须只有一个通道，并且紧跟着全连接层（最后一层），可以参考github上inception-v3网络结构，下面是我自己的网络结构最后两层。

这是我的网络里最后的设计，其中conv3是要观察的热力图，fcl1是最后dense到类数。

假设网路训练好，得到一个best_net。

2、CAM代码

# generate class activation mapping for the top1 prediction
def returnCAM(feature_conv, weight_softmax, class_idx):
    # generate the class activation maps upsample to 256x256
    size_upsample = (256, 256)
    bz, nc, h, w = feature_conv.shape
    
    output_cam = []