文件名称：Multi-label-Classification:多标签属性分类和CAM
文件大小：834KB
文件格式：ZIP
更新时间：2024-05-30 12:53:00
Python
Multi-label-Classification Multi-label attributes Classification and CAM& grad-cam （6.26 晚补充部分）之前一直放着grad-cam没有看懂，现在首先对这一部分做补充。 CAM算法简单而且很好用，但是它修改了原本的网络，对于这个问题，Grad-cam在不修改原网络的情况下也可以实现一样的效果，两者等价的理论推导在论文中有证明。 原理简单理解在这里做个记录： 用输出类别的权重对特征图求梯度，取均值 (14, 14, 512)->( 512,) 后分别乘以特征图的每一层相加得到cam 导向反向传播，用到了注册梯度函数，定义一个新的op类型，只反向传播梯度为正的值。对(14,14,512)求最大值(14,14)后的和对输入求梯度。（6.26 晚补充部分） 训练的分类准确率达到0.8 准确率和loss如图所示：
【文件预览】：
Multi-label-Classification-master
----multi-task()
--------load_data.py(2KB)
--------mulNet.py(7KB)
--------log.md(1KB)
--------cla.py(6KB)
----pre.py(3KB)
----log.txt(137B)
----load_data.py(2KB)
----hu_cam()
--------have_glasses.jpg(33KB)
--------have_hat.jpg(34KB)
--------is_male.jpg(34KB)
--------hu.jpg(27KB)
----figure_2.png(27KB)
----grad-cam.py(5KB)
----rename.py(1014B)
----mulNet.py(7KB)
----README.md(2KB)
----1_cam()
--------have_shorts.jpg(53KB)
--------have_long_hair.jpg(52KB)
--------have_long_sleeves.jpg(54KB)
--------have_glasses.jpg(54KB)
--------1.jpg(32KB)
----figure_1-1.png(32KB)
----attributes_dataset()
--------train()
--------train_label.txt(324B)
----cla.py(4KB)
----grad-cam()
--------gradcam.jpg(14KB)
--------owl.jpg(18KB)
--------guided_gradcam.jpg(9KB)