jacobgil/pytorch-grad-cam

项目概览

pytorch-grad-cam 是一个面向 PyTorch 计算机视觉模型的可解释 AI 方法库，通过 GradCAM、ScoreCAM 等像素归因方法生成类激活图，帮助用户可视化并诊断模型预测中起关键作用的像素区域。

项目类型

图像视觉 · 评测观测

部署方式

查看项目说明

License

MIT

适合谁

• 需要诊断 PyTorch 计算机视觉模型预测、并希望通过像素归因可视化理解模型行为的开发者和研究人员。

核心能力

• 使用 GradCAM、HiResCAM、ScoreCAM、EigenCAM 等方法为多种计算机视觉任务计算类激活图。
• 通过可视化重要像素，在模型开发或生产环境中诊断模型预测。
• 提供用于检查解释是否可信以及调优以获得更好性能的指标，例如 Remove 和 Debias。
• 所有方法均支持对图像批次进行处理。
• 提供测试时增强和特征值平滑等平滑方法，用于降低类激活图噪声。
• 通过 reshape 变换和自定义模型目标，适配 Vision Transformer 等非标准架构以及非分类任务。

限制与风险

• 使用时需要用户提供一个 PyTorch 模型，该库不自带用于推理的模型。

如何开始

• 安装难度，可通过 pip 安装；首次验证路径为执行 pip install grad-cam，随后运行 python cam.py --image-path <图片路径> --method <方法名>。

核验依据

• README: `pip install grad-cam`
• README: This is a package with state of the art methods for Explainable AI for computer vision. This can be used for diagnosing model predictions, either in production or while developing…
• README: Includes metrics for checking if you can trust the explanations, and tuning them for best performance.
• GitHub 项目简介: Advanced AI Explainability for computer vision. Support for CNNs, Vision Transformers, Classification, Object detection, Segmentation, Image similarity and more.
• README: model = resnet50(weights=ResNet50_Weights.DEFAULT) target_layers = [model.layer4[-1]] input_tensor = # Create an input tensor image for your model..

内容核验时间：