一、简介

Deep Inside Convolutional Networks 这篇论文是由Karen Simonyan等人提出的，可视化结果可以用于知道哪些变量对于模型来说是重要的，在文章中有两种可视化方法，一个是Saliency map即特征图，一个是最大化图像分类图。

论文: Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps

二、复现结果

Saliency Map 方法

paddle:

测试图像存放在 content/images/ 下，可视化图像存放在images/method_1/ 下。

Class Specific Image Generation 方法

Paddle:

可视化图像存放在images/method_2/ 下。

三、环境依赖

• 硬件：GPU、CPU
• 框架：
  • PaddlePaddle >= 2.00

四、快速开始

Step1： clone

# clone this repo
git clone https://github.com/632652101/VisualizeCNN-Pd.git
cd Visualize-Pd
exprot PYTHONPATH=./

Step2：安装依赖

pip install paddlepaddle

Step3：下载权重文件

AlexNet的模型权重文件在此下载（百度网盘提取码： wgc6）。下载后将权重放到 weights/ 下。

Step4：运行程序

# 运行 paddle paddle 程序
python method_1_pp.py
python method_2_pp.py

此时程序会将结果图片存放到 images/ 文件夹下。

五、模型信息

关于模型的其他信息，可以参考下表：

信息	说明
发布者	Qijing Yuan
时间	2021.10
框架版本	2.1.3
应用场景	AlexNet 可视化
支持硬件	CPU、GPU
下载链接	预训练模型
在线运行	NoteBook

六、其他

参考 repo

FlashTorch A Python visualization toolkit, built with PyTorch, for neural networks in PyTorch.

注*：本repo主要实现了Saliency Maps，参考repo中实现了 guided backpropagation 方法，该方法出自论文，Striving for Simplicity: The All Convolutional Net https://arxiv.org/pdf/1412.6806.pdf， 本repo没有实现该方法。