使用Grad-Cam解释网络预测
使用缩小功能返回Grad-Cam重要性地图。太纪念碑
= gradCAM (净
,X
,REANSEYFCN.
)REANSEYFCN.
是一个函数手柄,可将减少到标量值的输出激活减少到标量值。该标量满足了类别分类的作用,以及将Grad-CAM技术推广到非分类任务,例如回归。
的毕业生
功能通过区分特征层中的特征来通过区分减速层的减小输出来计算渐变凸轮映射。毕业生
自动选择减少和特征层使用时,计算地图。要指定这些层,请使用'Reganslayer'
和'featulexayer'
名称值参数。
使用此语法来计算非分类任务的渐变凸轮映射。
[
也返回用于计算grado - cam映射的特征层和约简层的名称。将此语法与前面语法中的任何输入参数组合一起使用。太纪念碑
,featureLayer
,reductionLayer
] = GradCam(___)
的REANSEYFCN.
函数接收来自缩减层的跟踪输出dlarray
目的。该函数必须将此输出减少到标量dlarray
,这毕业生
然后区分特征层的激活。例如,为了计算网络的SoftMax激活的通道208的渐变凸轮映射,还原功能是@ (x) (x (208))
.该函数接收激活并提取第208通道。
的毕业生
功能自动选择减少和特征层使用时,计算grado - cam地图。对于某些网络,所选择的层可能不合适。例如,如果您的网络有多个可以用作特征层的层,那么函数将选择其中的一个层,但它的选择可能不是最合适的。对于这样的网络,使用'featulexayer'
名称-值参数。
[1] Selvaraju,Ramprasaath R.,Michael Cogswell,Abhishek Das,Ramakrishna Vedantam,Devi Parikh和Dhruv Batra。“Grad-Cam:通过基于梯度的本地化的深度网络的视觉解释。”2017年(2017年10月):618-626,https://doi.org/10.1109/ICCV.2017.74。
Vinogradova, Kira, Alexandr Dibrov和Gene Myers。“基于梯度加权类激活映射的可解释语义分割”。AAAI人工智能会议论文集34岁的没有。10(2020年4月):13943-13944,https://doi.org/10.1609/aaai.v34i10.7244。