一文带你用可视化理解卷积神经网络(21)
#generating saliency map with guided backprop
grads2 = visualize_saliency(model layer_idxfilter_indices=Noneseed_input=imagebackprop_modifier='guided')
#plotting the saliency map as heatmap
plt.imshow(grads2cmap='jet')
引导反向传播将所有负梯度截断为0 ， 这意味着仅更新对分类概率具有正影响的像素 。
分类激活图（梯度加权）
分类激活图也是一种神经网络可视化技术 ， 它基于根据激活图的梯度或它们对输出的贡献来权衡激活图这样的想法 。
以下摘自Grad-CAM论文给出了该技术的要点：
梯度加权分类激活映射（Grad-CAM） ， 使用任何目标概念的梯度（比如“狗”或甚至是标题的对数） ， 流入最终的卷积层以生成粗略的定位图 ， 突出显示重要区域中的重要区域 。 用于预测概念的图像 。
从本质上来说 ， 我们采用最后一层卷积层的特征映射 ， 并使用相对于特征映射的输出的梯度对每个滤波器进行加权（乘） 。 Grad-CAM涉及以下步骤：
推荐阅读
- 法术|双城之战：羁绊、海克斯强化、装备一文看懂
- 剑魂|DNF：“剑魂式打桩”引玩家爆笑，别人用瞬斩塞蛋，你用里鬼剑术
- 仙剑奇侠传七|“吃鸡”游戏中单价最高的氪金物品！氪度力压车皮，却一文不值！
- 地下城与勇士|DNF：DNF超高质量减负，9.14减负改动一文看完
- 金泰相|“亚军不配找借口”Doinb谈亚军一文不值，只有S11夺冠才能找回颜面
- 梦幻西游|梦幻西游：老王打错灵犀玉损失5000元，百万无级别变得一文不值
- 电子竞技|电竞精神一文不值，贝克曼惨遭炮轰，久城透露QG假赛隐情！
- 地下城与勇士|DNF：最尴尬的“神话守门员”，你用我推荐，给我我不要
- 声控|声控大法知多少？《神武4》电脑版的声控技巧你用过几个？
- 孙一文|王者荣耀孙一文联动实锤？采访透露设计想法，皮肤想要带龙标