gradCAM
使用Grad-CAM解释网络预测
语法
描述
返回Grad-CAM地图使用减少函数的重要性。scoreMap
= gradCAM (净
,X
,reductionFcn
)reductionFcn
是一个函数处理降低了输出减少层的激活一个标量值。这个标量满足类分数的作用分类任务,并概括Grad-CAM技术nonclassification任务,如回归。
的gradCAM
函数计算Grad-CAM地图通过减少差异化的减少输出层对层的功能特性。gradCAM
自动选择减少和功能层计算时使用的地图。指定这些层,使用“ReductionLayer”
和“FeatureLayer”
名称-值参数。
使用这个语法计算Grad-CAM nonclassification任务地图。
(
还返回功能层和减少层的名称用于计算Grad-CAM映射。使用这种语法的任何输入参数组合在以前的语法。scoreMap
,featureLayer
,reductionLayer
)= gradCAM (___)
例子
输入参数
输出参数
更多关于
提示
的
reductionFcn
函数接收的输出减少层追踪dlarray
对象。一个标量函数必须减少这个输出dlarray
,这gradCAM
然后区别对激活的功能层。例如,计算Grad-CAM地图频道208年将softmax激活的一个网络,减少函数@ (x) (x (208))
。这个函数接收激活和提取第208频道。的
gradCAM
函数计算时自动选择减少和功能层使用Grad-CAM映射。对于一些网络,选择层可能并不合适。例如,如果您的网络有多个层,可以作为功能层,然后函数选择其中一个层,但它可能不是最合适的选择。对于这样的网络,指定使用哪个功能层使用“FeatureLayer”
名称-值参数。显示Grad-CAM地图叠加在一个灰度图像,你必须首先重新调节地图在区间[0,1]。例如,
scoreMapRescaled =重新调节(scoreMap);
。
引用
[1]奖赏,Mineichi,小君富山,学者Shimbo。“多维曲线分类使用通过区域。“模式识别字母20,不。11 - 13日(1999年11月):1103 - 11所示。https://doi.org/10.1016/s0167 - 8655 (99) 00077 - x。
[2]UCI机器学习库:日本元音数据集。https://archive.ics.uci.edu/ml/datasets/Japanese +元音。
[3]Selvaraju, Ramprasaath R。,米我chael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh, and Dhruv Batra. “Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization.” 2017 (October 2017): 618–626, https://doi.org/10.1109/ICCV.2017.74.
基拉,[4]Vinogradova Alexandr Dibrov,迈尔斯和基因。”可判断的语义分割通过Gradient-Weighted类激活映射”。人工智能学报AAAI会议34岁的没有。(2020年4月):13943 - 13944,https://doi.org/10.1609/aaai.v34i10.7244。
版本历史
介绍了R2021a