Gradient-Weighted Class Activation Mapping


Révision datée du 13 décembre 2024 à 14:36 par Arianne (discussion | contributions)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)

en contruction

Définition

Il s'agit d'une technique de localisation discriminante par classe qui génère des explications visuelles pour tout types de réseaux convolutifs sans nécessiter de changements architecturaux ou de réentraînement. Elle identifie les zones les plus significatives de l'entrée pour faire des prédictions en calculant les gradients et en évaluant les poids d'importance des neurones.

Voir aussi neurone et réseau convolutif

Français

Cartographie de l'activation des classes pondérée par le gradient

Anglais

Gradient-Weighted Class Activation Mapping

Grad-CAM

Grad-CAM is a class-discriminative localization technique that generates visual explanations for any CNN-based network without requiring architectural changes or re-training. It identifies the most significant areas of the input for making predictions by calculating gradients and evaluating neuron importance weights.

Source

Source : arxiv

Source : GitHub

Source : ScienceDirect

Source : github.io

Contributeurs: Arianne