【精读AI论文】GradCAM可解释性分析

同济子豪兄

合集 · 可解释人工智能公开课 (9)

  1. 1:01:06
    可解释机器学习公开课
  2. 36:49
    CAM可解释性分析-算法讲解
  3. 50:15
    CAM可解释性论文精读：Learning Deep Features for Discriminative Localization
  4. 48:04
    GradCAM深度学习可解释性分析
  5. 53:08
    【精读AI论文】GradCAM可解释性分析
  6. 52:13
    LIME机器学习可解释性分析
  7. 1:13:31
    【精读AI论文】LIME机器学习可解释性分析
  8. 19:11
    MATLAB玩转深度学习可解释性分析
  9. 20:55
    11款神经网络科研绘图可视化工具
Description 
同济子豪兄可解释人工智能公开课，包含人工智能可解释性分析、显著性分析领域的综述导论、经典论文精读、代码实战、前沿讲座。
Grad-CAM: Visual Explanations From Deep Networks via Gradient-Based Localization
ICCV 2017
对原生CAM（类激活热力图）改进，计算“特定类别预测分数相对于最后一层卷积层输出特征图每个元素的偏导数”，进而计算特征图每个channel对模型预测为特定类别的影响程度。
无需修改模型，无需重新训练，即可对已有卷积神经网络模型绘制特定类别的Grad-CAM热力图，展示指定类别在原图上重点关注的特征区域，并用图像分类实现弱监督定位。可推广至图像分类、图像描述、视觉问答等多个任务。

代码实战：https://github.com/TommyZihao/Train_Custom_Dataset
公众号 人工智能小技巧 回复 GradCAM 下载笔记pdf、扩展阅读、思考题