Grad-CAM解析

网络架构

采用VGG16等分类模型,计算输入图像的特征图、预测类别及预测类别得分,通过对某预测类别的特征图进行加权求和,再通过ReLU去除对该类别有负影响的点,得到最终的热力图:

$$
L_{Grad-CAM}^c=ReLU(\sum\limits_k\alpha_k^cA^k)
$$

其中,第k个特征图关于类别c的权重$\alpha_k^c$可通过类别预测得分关于该特征图的梯度全局平均获得:

$$
\alpha_k^c=\frac{1}{Z}\sum\limits_{i}\sum\limits_{j}\frac{\partial y^c}{\partial A_{ij}^k}
$$


 上一篇
Pytorch中hook Pytorch中hook
hook相当于插件。可以实现一些额外的功能,而又不用修改主体代码。把这些额外功能实现了挂在主代码上,所以叫钩子,很形象。 Pytorch中常见的hook有: torch.autograd.Variable.register_hook
2020-05-11
下一篇 
SS+Grad-Cam SS+Grad-Cam
📖 区域建议生成基于Selective Search和Grad-CAM,采用由粗到细的two-stage方法来生成区域建议。 第一个stage采用VGG16模型训练一组带有图像级标签的粗分类器,通过sigmoid交叉熵损失函数进行多标签图
2020-05-10
  目录