Class Activation Mapping,可视化深度学习的判断因素:这是一个实现Class Activation Mapping的示例代码,可视化视觉检查的OK/NG判断重点在哪里。-matlab开发

上传者: 38559866 | 上传时间: 2022-04-20 15:59:19 | 文件大小: 15.38MB | 文件类型: ZIP
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,有人担心内部是一个黑匣子,“我不知道为什么会做出这个决定”。 本示例代码使用CNN(GoogleNet)判断OK/NG,然后使用称为Class Activation Mapping的方法可视化哪些区域的特征与判断强相关。 ・确认误判是由于哪个区域以及正确的判断是否与人类正在观察的判断因素相同而有效的。 [关键词]图像处理、IPCV 演示、深度学习、深度学习、迁移学习、介绍、对象识别、图像分类、计算机视觉、神经网络、人工智能、视觉检测、可视化 单击此处获取类激活映射为判别性定位学习深度特征麻省理工学院的Boolei Zhou,Aditya Khosla,Agata Lapedriza,Aude Oliva,Antonio Torralba计算机科学和人工智能实验室http://cnnlocalizatio

文件下载

资源详情

[{"title":"( 2 个子文件 15.38MB ) Class Activation Mapping,可视化深度学习的判断因素:这是一个实现Class Activation Mapping的示例代码,可视化视觉检查的OK/NG判断重点在哪里。-matlab开发","children":[{"title":"CAM_Squeezenet.zip <span style='color:#111;'> 7.41MB </span>","children":null,"spread":false},{"title":"CAM_GoogleNet_FEX.zip <span style='color:#111;'> 8.09MB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明