Grad-CAM++原理
和gradcam一样，都基于假设：
-
某类的得分是权重和feature map点积而来。
-
热力图是由feature map加权平均而来的。
特定类别显著图（saliency map）
不过gradcam++的权重计算更复杂，涉及三阶导数 假设每个feature map的权重，是由feature每个元素的gradient加权求和而来
带入第一个公式得到
然后对这个公式左右同时对Aijk求两次导 然后确定Y的形式 指数函数和Softmax
实现用了Softmax tensorflow反传一次即可得到 和gradcam只不同在weight的计算公式
赞赏
微信赞赏
支付宝赞赏