画saliency intensity map图,pytorch版本

本文记录了使用PyTorch实现saliency intensity map过程中遇到的问题及解决方案,特别是解决grad为None的问题,需要添加hook。通过示例展示了模型检测AU12的情况,分析了结果中嘴角和眼周亮点的可能原因。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

之前写过一篇caffe版本的,这次需要pytorch版本的发现踩坑了,主要踩坑是grad不管怎么弄都是None,查了资料发现是pytorch释放了,所以需要加hook才行。记录一下备忘。

import cv2
import torch

img_path = 'path/test_img.jpg' #测试用的图片路径
img_and_saliency_map_name = 'outpath/img_and_saliency_map.jpg'#待求的 图片+saliency intensity map的叠加图路径

#这里按照你自己的网络测试过程把图片读进去就行,反正输入前一般是[N,C,H,W],我这是一张3通道彩色图,176*176的,注意requires_grad=True
img = get_img(img_path)
img = torch.autograd.Variable(img, requires_grad=True)
img = img.view((1,img.size()[0],img.size()
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