-
使用matlab代码实现的constrained_attention_filter：一种适用于卷积神经网络的通用可视化方法，发表于ECCV2020
资源介绍
用卷积滤波器matlab代码约束注意过滤器（CAF）
（ECCV2020）卷积神经网络通用可视化方法的Tensorflow实现
现在有一个官员
:star:
:star:
:star:
|
|
定性评估-L2-CAF慢动作收敛
一个对象
两个对象
最后一次转换
中级转化
TL;
DR
L2-CAF具有三个核心组件：
1-这是将L2-CAF插入网络中的功能（例如，在a内）。
默认情况下，L2-CAF被禁用；
在分类过程中它是被动的。
要激活/停用L2-CAF（打开和关闭过滤器），我使用bool
atten_var_gate
。
False禁用L2-CAF，而True则激活过滤器。
2-在此循环中，我们计算类别遗忘和特定类别的损失，并利用梯度下降来将其最小化。
当损耗稳定下来（损耗-prev_loss
<10e-5）时，跳出循环。
3-收敛后，在生成热图之前，将输出滤波器归一化（L2-Norm
|
Softmaxed
|
Gauss-ed）。
要求
Python
3+
[在3.7上测试]
Tensorflow
1.X
[在1.14上测试]
ImageNet预训练模型
我用了以下
用法示例
更新您的配置。
主要是设置预训