gradCAM
用Grad-CAM解释网络预测
语法
描述
使用约简函数返回Grad-CAM重要性图。scoreMap
= gradCAM (网
,X
,reductionFcn
)reductionFcn
是一个函数句柄,它将简化层的输出激活简化为一个标量值。这个标量完成了分类任务的类评分的作用,并将Grad-CAM技术推广到非分类任务,如回归。
的gradCAM
函数通过对约简层的约简输出相对于特征层中的特征进行微分来计算Grad-CAM映射。gradCAM
在计算映射时自动选择要使用的约简和特征层。要指定这些层,请使用“ReductionLayer”
而且“FeatureLayer”
名称-值参数。
使用此语法计算非分类任务的Grad-CAM映射。
[
还返回用于计算Grad-CAM映射的特征层和简化层的名称。将此语法与前面语法中的任何输入-参数组合一起使用。scoreMap
,featureLayer
,reductionLayer
) = gradCAM (___)
例子
输入参数
输出参数
更多关于
提示
的
reductionFcn
函数接收来自约简层的输出作为跟踪dlarray
对象。函数必须将此输出缩减为一个标量dlarray
,这gradCAM
然后对特征层的激活进行微分。例如,计算网络softmax激活通道208的Grad-CAM映射,约简函数为@ (x) (x (208))
.这个函数接收激活并提取第208个通道。的
gradCAM
函数在计算Grad-CAM映射时自动选择要使用的约简和特征层。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,那么函数会选择其中的一个层,但它的选择可能不是最合适的。对于这种网络,请指定要使用的特性层“FeatureLayer”
名称-值参数。要将Grad-CAM地图显示为灰度图像上的覆盖层,必须首先将地图缩放到[0,1]的范围内。例如,
scoreMapRescaled =重新调节(scoreMap);
.
参考文献
[1]工藤,美一,富山俊,Shimbo Masaru。“利用穿过区域的多维曲线分类”。模式识别字母20,no。11-13(1999年11月):1103-11。https://doi.org/10.1016/s0167 - 8655 (99) 00077 - x。
UCI机器学习知识库:日语元音数据集。https://archive.ics.uci.edu/ml/datasets/Japanese +元音。
[3] Selvaraju, Ramprasaath R., Michael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh和Dhruv Batra。“Grad-CAM:基于梯度定位的深度网络可视化解释。2017(2017年10月):618-626,https://doi.org/10.1109/ICCV.2017.74。
维诺格拉多娃,基拉,亚历山大·迪布罗夫和吉恩·迈尔斯。基于梯度加权类激活映射的可解释语义分割人工智能AAAI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。
版本历史
介绍了R2021a