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: