Grad-CAM.pytorch
Grad-CAM.pytorch copied to clipboard
yizt
pytorch实现Grad-CAM和Grad-CAM++,可以可视化任意分类网络的Class Activation Map (CAM)图,包括自定义的网络;同时也实现了目标检测faster r-cnn和retinanet两个网络的CAM图;欢迎试用、关注并反馈问题...
您好！我这边用这个代码处理单张图没问题，但python里面写for循环批量处理图片的时候GPU的显存占用会随着处理图片数量的增大而增大，最终会报CUDA out of memory，请问该如何解决？
您好，非常感谢您提供的关于目标检测方面CAM的代码，但是其中有一处错误我一直无法解决 grad_cam.py: grad = self.gradient[proposal_idx].cpu().date.numpy() 我在detectron2框架中进行检测的grad-cam输出时，其中我的self.gradient的维度为[1, C, W, H]，所以self.gradient[proposal_idx]会报错。但是我看其他的issues中，您说self.gradient的维度应该为[num_proposals,C,H,W]。我不知道的哪里出现了问题。我的layer_name = backbone.bottom_pu.res5.2
norm_factor = np.sum(gradient, axis=(1, 2)) # [C]归一化 for i in range(len(norm_factor)): norm_factor[i] = 1. / norm_factor[i] if norm_factor[i] > 0. else 0. # 避免除零 alpha = indicate * norm_factor[:, np.newaxis,...
作者您好， 首先感谢您的代码贡献，非常简洁，关键注释非常清晰！已按照readme已经成功跑通示例~目前希望依托您的代码框架，进一步想试一试引入自己的预训练网络，生成gradcam，进行图像异常检测。现有一个基于Res18预训练模型，前面添加了head，后面添加了几层额外的卷积层和fc层（最终输出分别是0：正常、1：异常），对自己的正常数据集进行无监督学习训练得到权重，用于对异常图片进行异常检测。然后利用gradcam在异常图像上标注出异常的位置。 现有问题是如何将前面提到的自己的模型权重引入框架？自己试了试之后会有如下报错，请问可能是什么问题？ **(gradcam)_____@server3090-X570-AORUS-PRO-WIFI:~/Grad-CAM.pytorch-master$ python main.py** feature shape:torch.Size([1, 512, 7, 7]) /home/____/.conda/envs/gradcam/lib/python3.8/site-packages/torch/nn/modules/module.py:1033: UserWarning: Using a non-full backward hook when the forward contains multiple autograd Nodes is deprecated and will be...
我使用detectron2运行了heatmap.py，但是遇到了一下问题。 [{'instances': Instances(num_instances=0, image_height=1024, image_width=1024, fields=[pred_boxes: Boxes(tensor([], size=(0, 4), grad_fn=)), scores: tensor([], grad_fn=), pred_classes: tensor([], dtype=torch.int64), indices: tensor([], dtype=torch.int64)])}] Traceback (most recent call last): File "/home/dxy/ll/obj_competition/detectron2框架/heatmap.py", line 160, in mask,...
您好！我按照您的步骤，能够得出faster_rcnn检测框所对应的Grad-CAM，然而我想实现如何将Grad-CAM映射到整张图像？
您好，请问CenterNet:objects as points网络可以实现grad-cam吗？应该如何实现呢？
