用于CNN、VIT、Swin等模型的深度学习热力图绘制代码详解

简介：
本文详细介绍如何为基于CNN、VIT和Swin Transformer架构的深度学习模型生成热力图，帮助理解模型决策过程。 深度学习热力图绘制代码适用于CNN、VIT、Swin等模型的使用场景。CAM（类别激活映射）又被称为类别热力图或显著性图，它是一张与原始图片大小相同的图像，其中每个位置的像素值范围从0到1，并通常以灰度级别表示为0至255之间的数值。可以将其理解为预测输出贡献分布的一种表现形式：分数越高的地方意味着原始图片中相应区域对网络响应的影响越大、作用也更为显著。 利用CAM可视化信息，可以帮助指导模型更好地学习；例如可以通过“擦除”或“裁剪”的方式增强数据集中的样本特征，并且还可以将CAM作为起始点进行弱监督语义分割或者定位任务。