给定 CNN 的回归激活映射

Question

本文 https://arxiv.org/pdf/1703.10757.pdf 没有使用回归激活映射（RAM），而不是类激活映射（CAM）。有几篇文章描述了如何实施 CAM。但我找不到任何 RAM - 或论文中使用的代码。

有人有RAM的代码示例吗？

更新： 看这个例子：http://www.hackevolve.com/where-cnn-is-looking-grad-cam/

当 pred 是标量时，第 16 行和第 17 行应该是什么？

class_idx = np.argmax(preds[0])
class_output = model.output[:, class_idx]

编辑：糖尿病视网膜病变检测论文的存储库：https://github.com/cauchyturing/kaggle_diabetic_RAM

edit2：将标题从 InceptionV3 更改为任何 CNN 架构

Answer 1

RAM和CAM似乎没有太大区别。他们都使用全局平均池化层的权重。

Answer 2

Jacob Gil 的一个更流行的 Grad-CAM 库（特定于 pytorch）： https://github.com/jacobgil/pytorch-grad-cam/ 。 输出目标之一 (BinaryClassifierOutputTarget) 可以轻松用于回归激活映射，如本期所述：https://github.com/jacobgil/pytorch-grad-cam/issues/360.