feature = self.feature[0].cpu().data.numpy()

[wangzyon]

您好，非常感谢您提供的目标检测CAM思路！代码中有两处疑问向您请教。

grad_cam.py:

1. weight = np.mean(gradient, axis=(1, 2)) # [C] 这里为什么要取平均？ 2.feature = self.feature[0].cpu().data.numpy() # [C,H,W] 为什么选用feature[0]而不是feature[proposal_idx]

谢谢！！！

[yizt]

@wangzyon 感谢您的反馈

1. 每个通道一个权重，所以取均值，求和都可以的，结果一样 2.第二个问题，是bug,应该是feature[proposal_idx]，感谢反馈！

[milliema]

@wangzyon 感谢您的反馈

1. 每个通道一个权重，所以取均值，求和都可以的，结果一样 2.第二个问题，是bug,应该是feature[proposal_idx]，感谢反馈！

第二个问题不存在bug，proposal_idx对应的是预测的类别，与feature没有关系。 self.feature可以打印尺寸，是[1,C,H,W]的， 所以feature = self.feature[0].cpu().data.numpy() # [C,H,W]相当于去掉了第一个batchsize维度。

[yizt]

@milliema 您好，proposal_idx是proposal的序号,表示该预测边框来自第几个proposal，不是类别；self.feature的尺寸是[num_proposals,C,H,W],一个例子如下： feature shape:torch.Size([343, 2048, 7, 7])