AI算法与图像处理
点击下方“AI算法与图像处理”，一起进步！
重磅干货，第一时间送达
来源 ：https://zhuanlan.zhihu.com/p/450172884
在科研论文，方案讲解，模型分析中，合理解释特征图是对最终结果的一个加分项。但是之前的一些可视化特征图的方法往往会有一些tedious，于是我在这里给大家推荐一个非常方便实现这个目标的库 -- Evison。
代码：https://github.com/JonnesLin/Evison
GitHub仓库中有完整的代码案例和云端可执行代码，同时也欢迎大家提issue和点star
视频讲解链接:
https://www.bilibili.com/video/BV1wP4y1n7YS?pop_share=1
代码实操
# 首先需要安装Evison!pip install Evisonfrom Evison import Display, show_networkfrom torchvision import models# 生成我们需要可视化的网络(可以使用自己设计的网络)network = models.efficientnet_b0(pretrained=True)# 使用show_network这个辅助函数来看看有什么网络层(layers)show_network(network)# 以下是部分输出'''features.6.3.block.2features.6.3.block.2.avgpoolfeatures.6.3.block.2.fc1features.6.3.block.2.fc2features.6.3.block.2.activationfeatures.6.3.block.2.scale_activationfeatures.6.3.block.3features.6.3.block.3.0features.6.3.block.3.1features.6.3.stochastic_depthfeatures.7features.7.0features.7.0.blockfeatures.7.0.block.0features.7.0.block.0.0features.7.0.block.0.1features.7.0.block.0.2features.7.0.block.1features.7.0.block.1.0features.7.0.block.1.1features.7.0.block.1.2features.7.0.block.2'''# 构建visualization的对象 以及 制定可视化的网络层visualized_layer = 'features.7.0'display = Display(network, visualized_layer, img_size=(224, 224)) # img_size的参数指的是输入图片的大小# 加载我们想要可视化的图片from PIL import Imageimage = Image.open('Dog_and_cat.jpeg').resize((224, 224))# 将想要可视化的图片送入display中，然后进行保存display.save(image)
结果：
可视化的结果
提示：
如果想调整成别的模型需要修改，
# 载入的模型调整network = models.efficientnet_b0(pretrained=True)# 使用show_network这个辅助函数来看看有什么网络层(layers)show_network(network)# 构建visualization的对象 以及 制定可视化的网络层# 根据网络层的 key 来调整visualized_layer = 'features.7.0'# PS 上面代码是在jupyter 上运行# 如果不是在这运行，可以使用 torchvision.utils.save_image，保存结果
交流群
欢迎加入公众号读者群一起和同行交流，目前有美颜、三维视觉、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群
个人微信（如果没有备注不拉群！） 请注明：地区+学校/企业+研究方向+昵称
下载1：何恺明顶会分享
在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2：终身受益的编程指南：Google编程风格指南
在「AI算法与图像处理」公众号后台回复：c++，即可下载。历经十年考验，最权威的编程规范！
下载3 CVPR2021 在「AI算法与图像处理」公众号后台回复：CVPR，即可下载1467篇CVPR 2020论文 和 CVPR 2021 最新论文
