Pythorch CNN模型的类激活图
torchcam的Python项目详细描述
类激活浏览器
利用Pythorch中卷积层的类特定激活的简单方法。在
目录
入门
先决条件
- Python3.6（或更新版本）
- pip
安装
可以使用pypi安装包，如下所示：
pip install torchcam
或使用conda：
^{pr2}$使用
您可以在下面找到一个详细的例子来检索resnet架构上特定类的CAM。在
python scripts/cam_example.py --model resnet50 --class-idx 232技术路线图
该项目目前正在开发中，以下是下一版本的目标：
- [x] 并行凸轮：启用批处理。在
- [x] 基准测试：比较不同架构的类激活映射计算。在
- []签名改进：自动检索所需的特定层名称。在
- []改进的RPN：使用CAM创建区域建议网络。在
- []任务转移：将训练有素的分类器转换为对象检测器。在
文件
完整的软件包文档可以here获取详细的规范。文档是用Sphinx生成的，使用Read the Docs提供的theme。在
贡献
如果你想为这个项目做贡献，请参考CONTRIBUTING。在
学分
本项目由回购所有人开发和维护，但实施基于以下珍贵文件：
- Learning Deep Features for Discriminative Localization：原版凸轮纸
- Grad-CAM:GradCAM论文，将CAM推广到没有全局平均池的模型。在
- Grad-CAM++：对GradCAM++的改进，可以更精确地对激活做出像素级的贡献。在
- Smooth Grad-CAM++：与GradCAM耦合的SmoothGrad机构。在
- Score-CAM：类激活的分数加权以获得更好的解释性。在
- SS-CAM:SmoothGrad机构与刻痕凸轮耦合。在
许可证
根据麻省理工学院的许可证分发。有关详细信息，请参见LICENSE。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
