interpretdl-特征可视化 about interpretdl HOT 5 CLOSED

Hi @NICECPU ，

可视化的代码重构过，可参考GradCAM的例子。

如果只是想用二值的可视化，可以直接用类似代码：

explanation_mask = np.zeros(explanation.shape, np.uint8)
explanation_mask[explanation > threshold] = 1

from interpretdl.

@holyseven ，十分感谢你的回复，我参考了GradCAM的代码，得到下面的程序
'''python
import numpy as np
import interpretdl as it
from matplotlib import pyplot as plt
from paddle.vision.models import resnet50
from PIL import Image
paddle_model = resnet50(pretrained=True) #获得模型
sg = it.SmoothGradInterpreter(paddle_model, use_cuda=True) #把模型加载到可解释性算法中，这里我们用的是SmoothGrad算法
gradients = sg.interpret('鹿.jpg', visual=True, save_path=None) #展示结果
explanation=gradients[0]
explanation=explanation.transpose(1,2,0)
image_2d = explanation[:,:,2]
percentile=99
vmax = np.percentile(image_2d, percentile)
vmin = np.min(image_2d)
x = np.clip((image_2d - vmin) / (vmax - vmin), 0, 1) * 255
x = np.uint8(x)
plt.imshow(x,'gray')
plt.axis("off")
plt.show()
'''
但是我的结果 却不像csdn 那样 我希望得到的是 激活和未激活部分的灰度图 不想得到原图的灰度 那样会对我的结果产生干扰
请问能不能解答一下 ？

from interpretdl.

改了一下后面的处理代码，利用阈值即可得到二值图：

image_2d = np.abs(explanation).sum(2)

percentile=90
threshold = np.percentile(image_2d, percentile)

explanation_mask = np.zeros(image_2d.shape, np.uint8)
explanation_mask[image_2d > threshold] = 1

plt.imshow(explanation_mask, 'gray')
plt.axis("off")
plt.show()

from interpretdl.

@holyseven 谢谢，十分感谢！我发现问题的关键了！

from interpretdl.

Free to reopen the issue for more questions.

from interpretdl.