一文带你用可视化理解卷积神经网络(16)_摘要“你的神经网络是如何生成这个结果

tmp = image_padded.copy()

tmp[y - occlusion_padding:y + occlusion_center.shape[0
+ occlusion_padding x - occlusion_padding:x + occlusion_center.shape[1
+ occlusion_padding

= occlusion
tmp[y:y + occlusion_center.shape[0
x:x + occlusion_center.shape[1

= occlusion_center
yield x - occlusion_padding y - occlusion_padding
tmp[occlusion_padding:tmp.shape[0
- occlusion_padding occlusion_padding:tmp.shape[1
- occlusion_padding

上面的代码定义了一个函数iter_occlusion ，它返回一个具有不同被遮挡部分的图像。

现在，让我们导入图像并绘制它：

from keras.preprocessing.image import load_img
# load an image from file
image = load_img('car.jpeg' target_size=(224 224))
plt.imshow(image)
plt.title('ORIGINAL IMAGE')