作者：Valentina Alto
編譯：ronghuaiyang

導(dǎo)讀

使用Keras實(shí)現(xiàn)圖像分類中的激活熱圖的可視化，幫助更有針對(duì)性的改進(jìn)模型。

類別激活圖(CAM)是一種用于計(jì)算機(jī)視覺(jué)分類任務(wù)的強(qiáng)大技術(shù)。它允許研究人員檢查被分類的圖像，并了解圖像的哪些部分/像素對(duì)模型的最終輸出有更大的貢獻(xiàn)。

基本上，假設(shè)我們構(gòu)建一個(gè)CNN，目標(biāo)是將人的照片分類為“男人”和“女人”，然后我們給它提供一個(gè)新照片，它返回標(biāo)簽“男人”。有了CAM工具，我們就能看到圖片的哪一部分最能激活“Man”類。如果我們想提高模型的準(zhǔn)確性，必須了解需要修改哪些層，或者我們是否想用不同的方式預(yù)處理訓(xùn)練集圖像，這將非常有用。

在本文中，我將向你展示這個(gè)過(guò)程背后的思想。為了達(dá)到這個(gè)目的，我會(huì)使用一個(gè)在ImageNet上預(yù)訓(xùn)練好的CNN, Resnet50。

我在這個(gè)實(shí)驗(yàn)中要用到的圖像是，這只金毛獵犬：

首先，讓我們?cè)谶@張圖上嘗試一下我們預(yù)訓(xùn)練模型，讓它返回三個(gè)最有可能的類別：

from keras.applications.resnet50 import ResNet50 from keras.preprocessing import image from keras.applications.resnet50 import preprocess_input, decode_predictions import numpy as npmodel = ResNet50(weights='imagenet')img_path = 'golden.jpg' img = image.load_img(img_path, target_size=(224, 224)) x = image.img_to_array(img) x = np.expand_dims(x, axis=0) x = preprocess_input(x)preds = model.predict(x) # decode the results into a list of tuples (class, description, probability) print('Predicted:', decode_predictions(preds, top=3)[0])

如你所見(jiàn)，第一個(gè)結(jié)果恰好返回了我們正在尋找的類別：Golden retriver。

現(xiàn)在我們的目標(biāo)是識(shí)別出我們的照片中最能激活黃金標(biāo)簽的部分。為此，我們將使用一種稱為“梯度加權(quán)類別激活映射(Grad-CAM)”的技術(shù)(官方論文：https://arxiv.org/abs/1610.02391)。

這個(gè)想法是這樣的：想象我們有一個(gè)訓(xùn)練好的CNN，我們給它提供一個(gè)新的圖像。它將為該圖像返回一個(gè)類。然后，如果我們?nèi)∽詈笠粋€(gè)卷積層的輸出特征圖，并根據(jù)輸出類別對(duì)每個(gè)通道的梯度對(duì)每個(gè)通道加權(quán)，我們就得到了一個(gè)熱圖，它表明了輸入圖像中哪些部分對(duì)該類別激活程度最大。

讓我們看看使用Keras的實(shí)現(xiàn)。首先，讓我們檢查一下我們預(yù)先訓(xùn)練過(guò)的ResNet50的結(jié)構(gòu)，以確定我們想要檢查哪個(gè)層。由于網(wǎng)絡(luò)結(jié)構(gòu)很長(zhǎng)，我將在這里只顯示最后的block：

from keras.utils import plot_model plot_model(model)

讓我們使用最后一個(gè)激活層activation_49來(lái)提取我們的feature map。

golden = model.output[:, np.argmax(preds[0])] last_conv_layer = model.get_layer('activation_49') from keras import backend as K grads = K.gradients(golden, last_conv_layer.output)[0] pooled_grads = K.mean(grads, axis=(0, 1, 2)) iterate = K.function([model.input], [pooled_grads, last_conv_layer.output[0]]) pooled_grads_value, conv_layer_output_value = iterate([x]) for i in range(pooled_grads.shape[0]): conv_layer_output_value[:, :, i] *= pooled_grads_value[i] heatmap = np.mean(conv_layer_output_value, axis=-1) import matplotlib.pyplot as plt heatmap = np.maximum(heatmap, 0) heatmap /= np.max(heatmap) plt.matshow(heatmap)

這個(gè)熱圖上看不出什么東西出來(lái)。因此，我們將該熱圖與輸入圖像合并如下:

import cv2 img = cv2.imread(img_path) heatmap = cv2.resize(heatmap, (img.shape[1], img.shape[0])) heatmap = np.uint8(255 * heatmap) heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_JET) merged= heatmap * 0.4 + imgplt.imshow(merged)

如你所見(jiàn)，圖像的某些部分(如鼻子部分)特別的指示出了輸入圖像的類別。

英文原文：https://valentinaalto.medium.com/class-activation-maps-in-deep-learning-14101e2ec7e1
本文轉(zhuǎn)自：AI公園，作者：Valentina Alto，編譯：ronghuaiyang，
轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。

審核編輯：何安