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
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:///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 Evison
from Evison import Display, show_network
from 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.2
features.6.3.block.2.avgpool
features.6.3.block.2.fc1
features.6.3.block.2.fc2
features.6.3.block.2.activation
features.6.3.block.2.scale_activation
features.6.3.block.3
features.6.3.block.3.0
features.6.3.block.3.1
features.6.3.stochastic_depth
features.7
features.7.0
features.7.0.block
features.7.0.block.0
features.7.0.block.0.0
features.7.0.block.0.1
features.7.0.block.0.2
features.7.0.block.1
features.7.0.block.1.0
features.7.0.block.1.1
features.7.0.block.1.2
features.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 Image
image = 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
努力分享优质的计算机视觉相关内容，欢迎关注：
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
赞 收藏 评论 举报相关文章
