Grad_CAM_PLUS_PLUS 原来的 梯度CAM Grad-CAM++ 参考 A.Chattopadhyay 等人，“Grad-CAM++：深度卷积网络的改进视觉解释”，arXiv 预印本 arXiv:1710.11063v3，2018 年 abityac94/Grad_CAM_plus_plus

类激活映射 (CAM) 是一种很好的方法来解释模型为什么将对象分类为对象。 https://jp.mathworks.com/matlabcentral/fileexchange/69357-class-activation-mapping 但是可用于CAM的网络模型是有限的。 Grad-CAM 是将 CAM 推广到适用于多种网络的方法。 通过这个演示，您可以学习从重新训练模型 (AlexNet) 到在其上应用 Grad-CAM 的工作流程。 [日本人] 使用CNN进行深度学习的分类判断准确率极高，被用于很多领域的自动图像判断。另一方面，也有人担心里面是一个黑匣子，“我不知道为什么会做出这个决定”。 类激活映射 (CAM) 对于可视化决定因素非常有用，但对可以应用的网络存在限制。 Grad-CAM 是在任何网络层使用 Gradite 的 CAM 的通用方法。在此示例中，您可以看到从

类激活图 通过可视化对于这些模型的预测（或视觉解释）“重要”的输入区域，可以使基于卷积神经网络（CNN）的模型更加透明的技术。 使用VinBigData图像和Inception架构的示例

Grad-CAM-张量流 注意：CNN还有另一种很棒的可视化方法，称为 ，它仅涉及前向通过。 演示代码可用于Caffe和Tensorflow ResNet，Vgg。 请检查一下。 这是用于Grad-CAM的演示的tensorflow版本。 我使用ResNet-v1-101，ResNet-v1-50和vgg16进行演示，因为该模型是非常流行的CNN模型。 但是，grad-cam可以与其他任何CNN型号一起使用。 只需在我的演示代码中修改卷积层即可。 请参阅查看此存储库的演示。 要在此演示中使用VGG网络，必须下载VGG16 NPY的npy文件。 要使用ResNet-v1-50或ResNet-v1-101，请从下载权重 欢迎任何贡献 [原论文] Grad-CAM：梯度加权类激活映射 Ramprasaath R. Selvaraju，Abhishek Das，Ramakrishna V

Torchcam：类激活资源管理器 利用PyTorch中特定于类的卷积层激活的简单方法。 目录 入门 先决条件 Python 3.6（或更新版本） 安装 您可以使用安装软件包，如下所示： pip install torchcam 或使用 ： conda install -c frgfm torchcam 用法 Torchcam的建立既适合希望更好地了解其CNN模型的用户，也供研究人员使用流行的方法享受强大的实施基础。 这是一个简短的片段，说明了其用法： import torch from torchcam . cams import SmoothGradCAMpp from torchvision . models import resnet18 img_tensor = torch . rand (( 1 , 3 , 224 , 224 )) model = resnet18

卷积神经网络可视化 该存储库包含许多在PyTorch中实现的卷积神经网络可视化技术。 注意：我删除了cv2依赖性并将存储库移至PIL。 有些事情可能会坏掉（尽管我测试了所有方法），如果在某些情况下无法解决问题，可以提出问题，我将不胜感激。 注意：此存储库中的代码已使用0.4.1的割炬进行了测试，某些功能可能无法在更高版本中使用。 尽管应该花很多时间才能使它工作，但是由于我仍在使用0.4.1，因此我目前没有计划使该存储库中的代码与最新版本兼容。 实施技术 [1] [4] [3]（[2]的推广） [3] [15]（[2]的无梯度泛化） [8] [9] [5] [10] [4] [14] [12] [13] 我提出以下对抗性例如生成技术从敌对的东西分开的可视化。 - Fast Gradient Sign, Untargeted [11] - Fast Gradien

grad-cam Pytorch实现，类激活图，可视化feature map，热图显示图像分类的分类原因，因为什么分的类。

Grad-CAM.pytorch ​ pytorch 实现 和 3.1 3.3 5.1 5.2 5.3 5.4 6.1 6.2 6.3 6.4 7.1 7.2 7.3 7.4 Grad-CAM整体架构 Grad-CAM++与Grad-CAM的异同 依赖 python 3.6.x pytoch 1.0.1+ torchvision 0.2.2 opencv-python matplotlib scikit-image numpy 使用方法 python main.py --image-path examples/pic1.jpg \ --network densenet121 \ --weight-path /opt/pretrained_model/densenet121-a639ec97.p

keras-gradcam Keras实现GradCAM。 主要修复是支持Tensorflow 2.0及更高版本。 原始Keras实现： : 运行脚本： python grad_cam.py 。 描述 存储库包含三种用于解释基本模型预测的方法的实现： ; ; 引导式Grad-CAM ，仅是前两个的乘积。 实现使用Tensorflow作为后端，并使用VGG16作为基础模型。 例子 参考

在Pytorch中实现Grad-CAM 是什么使网络认为图像标签是“ pug，pug-dog”和“ tabby，虎斑猫”： 将Grad-CAM与引导反向传播相结合的“ pug，pug-dog”类别： 梯度类激活图是用于深度学习网络的可视化技术。 参见论文： : 论文作者的火炬实现： : 我的Keras实现： : 这使用了来自torchvision的Resnet50。 首次使用时将被下载。 可以修改该代码以与任何模型一起使用。 用法： python gradcam.py --image-path 要与CUDA一起使用： python gra