本文https://arxiv.org/pdf/1703.10757.pdf使用回归激活映射 (RAM) - 而不是类激活映射 (CAM) 来解决问题。有几篇文章描述了如何实现 CAM。但是我找不到 RAM 或论文中使用的代码。
有人有 RAM 的代码示例吗?
更新:
看这个例子:http://www.hackevolve.com/where-cnn-is-looking-grad-cam/
当 pred 是标量时,第 16 行和第 17 行应该是什么?
class_idx = np.argmax(preds[0])
class_output = model.output[:, class_idx]
编辑:糖尿病视网膜病变检测论文库:https://github.com/cauchyturing/kaggle_diabetic_RAM
编辑 2:将标题从 InceptionV3 更改为任何 CNN 架构
最佳答案
RAM和CAM之间似乎没有太大区别。它们都使用全局平均池化层的权重。
关于python - 给定 CNN 的回归激活映射,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50369331/