这是众多卷积神经网络可视化方法之一，方法来自于论文《Learning Deep Features for Discriminative Localization》，论文译文在[翻译]Learning Deep Features for Discriminative Localization。
这篇文章的核心思想是提出了一种叫Class Activation Mapping（类激活图）的方法，可以通过它将CNN在分类时“看”到的东西可视化出来。它的原理是：CNN的卷积层包含大量位置信息，使其具有良好的定位能力，但是全连接层使这种能力丧失，如果只保留最后一个用于分类的全连接层（特指softmax），把其余全连接层替换成全局平均池化层（Global Average Pooling）层，就可以保留这中定位能力，把最后一个softmax层各个单元的权重与最后一个卷积层的输出相乘（求加权总和），绘制热成像图，得到的结果就是一个类激活图。
举个例子，假设图片经过最后一个卷积层的shape为（14,14,512），第一维和第二维代表宽高，第三维代表卷积层深度，softmax层的shape为（512,10），第一维代表unit数，第二维代表分类数，想得到某一个类的类激活图，就用通过最后一个卷积层的矩阵乘以sotfmax某类的矩阵，即（14,14,512）的矩阵乘以(512,1)的矩阵，得到(14,14,1)的矩阵，也就是那个类的类激活图，下面是类激活图
论文中提到最后一个卷积层输出的分辨率越高，定位能力越强，得到的CAM图越好。对应的处理方法就是不仅要砍掉全连接层，还要砍掉一些卷积层，使分辨率控制在14左右。下面是论文中图，与上图最大差别就是有红色，原因可能是分辨率问题，也可能单纯是颜色表示问题，还需要进一步实验确定，但是并不影响可视化，分类准确率也在90%以上。
其实到这里很自然会有一个疑问：砍掉那么多层，准确率会不会降低？
答案是肯定的，但不会降低很多，可以通过微调来保持网络准确率。
下面是大家最关心的代码部分，我使用的基于TensorFlow的Keras，所以颜色通道在最后，使用其他框架的同学调一下就好，过段时间会放到Github仓库
def visualize_class_activation_map(model, img_path, target_class):
'''
参数：
model:模型
img_path:图片路径
target_class:目标类型
'''
origin_img = get_im_cv2([img_path], 224, 224, 3) # 这是一个自定义读取图片函数
class_weights = model.layers[-1].get_weights()[0] # 取最后一个softmax层的权重
final_conv_layer = model.layers[17] # 这是最后一个卷积层的索引
get_output = K.function([model.layers[0].input],[final_conv_layer.output, model.layers[-1].output])
[conv_outputs, predictions] = get_output([origin_img])
conv_outputs = conv_outputs[0, :, :, :]
cam = np.zeros(dtype=np.float32, shape=(14, 14))
for i, w in enumerate(class_weights[:, target_class]):
cam += conv_outputs[:, :, i] * w
cam = cv2.resize(cam, (224, 224))
cam = 100 * cam
plt.imshow(origin_img[0])
plt.imshow(cam, alpha=0.8, interpolation='nearest')
plt.show()
以上内容来自822实验室神经网络知识分享
我们的822，我们的青春
欢迎所有热爱知识热爱生活的朋友和822思享实验室一起成长，吃喝玩乐，享受知识。
