一種基于像素梯度加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)特征可視化方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN202110242364.0 申請日 -
公開（公告）號(hào) CN112906867A 公開（公告）日 2021-06-04
申請公布號(hào) CN112906867A 申請公布日 2021-06-04
分類號(hào) G06N3/04;G06N3/08;G06K9/62 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 黃煒;顏天信 申請（專利權(quán)）人 安徽省科億信息科技有限公司
代理機(jī)構(gòu) 合肥律眾知識(shí)產(chǎn)權(quán)代理有限公司 代理人 趙娟
地址 230000 安徽省合肥市黃山路602號(hào)國家大學(xué)科技園創(chuàng)業(yè)孵化中心
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于像素梯度加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)特征可視化方法及系統(tǒng)，該方法包括：確定進(jìn)行可視化所需的CNN模型、輸入圖像、類別索引、網(wǎng)絡(luò)層級(jí)等需求參量；利用訓(xùn)練好的CNN模型對輸入圖像進(jìn)行前向傳播計(jì)算；保存目標(biāo)層級(jí)前向計(jì)算輸出的特征圖；接著基于類別索引生成對應(yīng)的單位向量并進(jìn)行反向傳播；獲取目標(biāo)層級(jí)反向傳播得到的梯度圖；對上述得到的梯度圖和特征圖進(jìn)行像素級(jí)加權(quán)融合；再經(jīng)過后處理最后得到類激活可視化輸出結(jié)果。本發(fā)明提供一種新的融合特征圖和梯度圖的CNN可視化方法，可以得到對類別的顯著性激活圖，提供對類別更具有判別性的解釋和定位能力，并對網(wǎng)絡(luò)層數(shù)適用范圍更廣。