怎样制作自己公司的网站,会python做网站,郑州哪家网站建设好,好玩的网游先上张效果图#xff0c;本来打算移植霹雳老师的使用Pytorch实现Grad-CAM并绘制热力图。但是看了下代码#xff0c;需要骨干网络按照标准写法#xff08;即将特征层封装为features数组#xff09;#xff0c;而我写的网络图省事并没有进行封装#xff0c;改造网络的代价又… 先上张效果图本来打算移植霹雳老师的使用Pytorch实现Grad-CAM并绘制热力图。但是看了下代码需要骨干网络按照标准写法即将特征层封装为features数组而我写的网络图省事并没有进行封装改造网络的代价又太大了所以干脆直接重写一个。 一、生成热力图 大致可以分为三步①读取图片②前向传递运算③用特征向量生成特征图。而图片的resize图简单可以直接用transforms后面反正也是直接resize回来的并不会造成变形。
# 加载一个transforms用于变形input_shape为预设的图像尺寸
transform transforms.Compose([transforms.Resize((input_shape[0],input_shape[1])),transforms.ToTensor(),transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]),])
image Image.open(image_path) #image_path为文件路径
input_tensor transform(image) #将图片转换为tensor类型
input_batch input_tensor.unsqueeze(0) #为tensor添加batch维度# 前向传递
model.eval()
with torch.no_grad():output model(input_batch) 使用特征图生成热力图的原理是将该维度上所有的tensor进行叠加然后将生成的矩阵变形回输入向量的尺寸
heatmap torch.sum(output, dim1) #所有通道求和
max_value torch.max(heatmap)
min_value torch.min(heatmap)
heatmap (heatmap-min_value)/(max_value-min_value)*255heatmap heatmap.cpu().numpy().astype(np.uint8).transpose(1,2,0) # 提取热力图heatmap cv2.resize(heatmap, input_shape,interpolationcv2.INTER_LINEAR) # 还原尺寸# 将矩阵转换为image类
heatmapcv2.applyColorMap(heatmap,cv2.COLORMAP_JET)
heatimg Image.fromarray(heatmap)
二、叠加原图 直接使用plt进行叠加 # 将热力图叠加到原图上org_size image.sizeheatimg heatimg.resize(org_size) #将热力图变回输入图像的尺寸plt.axis(off)plt.imshow(image)plt.imshow(heatimg, alpha0.5) # alpha为热力图的透明度# 显示叠加后的图形plt.show()
三、总结 这段代码和霹雳老师的Grad-CAM对比优劣都很明显优点是代码比较简单。上可以通过插入前向传递的环境直接得到任何层的热力图。但缺点就是不能关注特定的类别且生成的热力图也不是很美观。
