-
@ThothChildren
- 2018.1.9
- PV 230
Grad-CAM
ー 概要 ー
CAMを改良してCNNが含まれるネットワーク全般に適用できる可視化手法。CNNの最終層から各チャンネルの重みを計算し重みを掛け合わせることで各クラスに影響する部分を可視化できる。
この章を学ぶ前に必要な知識
条件
- CNNを含んだネットワーク
効果
- 影響箇所を可視化することができる
ポイント
- CNNを含んでいればVQAや多クラス分類やキャプション生成等どれにも適用可能
- GuidedBackpropagationの結果も導入することで細かい部分の影響度合いも測れる
解 説
Grad-CAMはCNNを含むニューラルネットワークにおいて画像のどの部分に注目して判断がなされたかを可視化するための技術。
以下の手順で実現する。
1.最後の出力において、対象としているクラス等のみを1にして他を0にした状態で逆誤差伝播をする。
2.CNNの最終層についたら、各チャンネル毎に重みをGAP(Global Average Pooling)によって計算する。
3. 2.で計算された重みに従い、クラスの逆誤差を伝播させて画像を生成させる。 | Grad-CAM手順 |
この章を学んで新たに学べる
Comments