分数加权类激活映射。卷积神经网络激活分析工具
scam-net-rewintous的Python项目详细描述
分数加权类激活映射(SCAM-NET)
关于
这是一个实现:Score CAM通过分数加权类激活映射改进视觉解释。 [https://arxiv.org/abs/1910.01279]在
BibTex参考:
@misc{wang2019scorecamimproved,
title={Score-CAM:Improved Visual Explanations Via Score-Weighted Class Activation Mapping},
author={Haofan Wang and Mengnan Du and Fan Yang and Zijian Zhang},
year={2019},
eprint={1910.01279},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
它能够对cnn进行后处理,得到其最终输出的卷积层和softmax层,并生成指定类的空间热图。 分数越高的区域对应于在对特定类别的图像进行分类时具有更大重要性的像素。在
使用
要将ScoreCAM类与Keras一起使用,只需添加两个调用即可:
^{pr2}$model_input
-是一个输入层conv_layers
-最后一个卷积层输出softmax_output
-最终分类层输出。在input_shape
-预期图像空间维度(例如(224224))
以及
# return heatmap of the same size as image
heatmap = scoreCAM.get_class_heatmap(class_id)
预期产量
输出是一个热图,它描述了类class_id
相对于像素位置的重要性。
下面是tiger_cat类的示例输出:
- 项目
标签: