本文主要是介绍CNN 分类任务可视化响应热图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. 最原始的class activation map (CAM)
可以在最后一层卷积层可视化如右下角的 类响应图。
- 缺点：需要把之前的FC层去掉，然后加入GAP+FC重新训练。
2. 改进的Gradient-weighted Class Activation Mapping (Grad-CAM)
之前的 cam， A k ∈ R u × v A^k \in \mathbb{R}^{u \times v} Ak∈Ru×v 表示最后一层卷积卷出来的feature map。
最后的热图也可这么表示
grad-cam就是利用梯度反传到 A k A^k Ak的值做gap。
最后的热图这么表示
所以就不需要重新训练一个网络了。
这篇关于CNN 分类任务可视化响应热图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
