Multi-label-Classification
Multi-label attributes Classification and CAM& grad-cam
（6.26 晚补充部分）之前一直放着grad-cam没有看懂，现在首先对这一部分做补充。
CAM算法简单而且很好用，但是它修改了原本的网络，对于这个问题，Grad-cam在不修改原网络的情况下也可以实现一样的效果，两者等价的理论推导在论文中有证明。
原理简单理解在这里做个记录：
用输出类别的权重对特征图求梯度，取均值 (14, 14, 512)->( 512,) 后分别乘以特征图的每一层相加得到cam
导向反向传播，用到了注册梯度函数，定义一个新的op类型，只反向传播梯度为正的值。对(14,14,512)求最大值(14,14)后的和对输入求梯度。（6.26 晚补充部分）
训练的分类准确率达到0.8
准确率和loss如图所示：
2022-03-14 11:49:59
834KB
1
GRADCAM-Tensorflow2-可视可解释AI
Grad-CAM：深度网络通过基于梯度的本地化的视觉解释
安装Grad CAM： !pip install tf-explain
src： :
论文：Grad-CAM：深度网络通过基于梯度的本地化的视觉解释
参考： :
摘要：我们提出了一种技术，该技术可为来自大量基于CNN的模型的决策产生“视觉解释”，从而使其更加透明。 我们的方法-梯度加权类激活映射（Grad-CAM），使用任何目标概念的梯度，流入最终的卷积层，以生成一个粗略的局部化地图，突出显示图像中用于预测该概念的重要区域。 Grad-CAM适用于各种CNN模型系列：（1）具有完全连接层的CNN，（2）用于结构化输出的CNN，（3）用于具有多模式输入或强化学习任务的CNN，无需任何架构变更或重新培训。 我们将Grad-CAM与细粒度的可视化相结合，以创建高分辨率的
2022-03-04 15:29:54
6KB
1
Tensorflow中的Grad-CAM实施
此回购协议是Gradient类激活图（Grad-CAM [1]）的TensorFlow实现，这是深度学习网络的可视化技术之一。
此仓库基于Grad-CAM的和版本。
要求
Python3.x
Tensorflow 1.x
（包括经过预训练的（使用Imagenet数据集）VGG16分类模型文件VGG16.npy （有关如何下载的信息，请参阅自述文件））
用法
python grad-cam-tf.py [top_n]
path_to_image ：为其计算Grad-CAM的图像。
path_to_VGG16_npy ： 提供的训练VGG16模型数据
top_n ：可选。 为每个“ top_n”类计算Grad-CAM，这由VGG16预测。
以下图像与pa
2022-02-28 13:43:54
746KB
1
牙科CAD CAM复合陶瓷材料市场现状研究分析与发展前景预测报告.docx
2022-02-09 19:03:20
46KB
1