Neural network 我们可以从图像分割任务中创建显著性映射吗？

我还知道，显著图也是一种图像分割任务。 但它已被广泛用于解释性深度学习（Read GradCam等）。 我还看到了这篇论文（）

---

这是关于类显著性映射的，当涉及到图像分割时，这是一个很好的例子。请告诉我这个概念是否存在于图像分割中，或者我需要阅读更多关于这个主题的内容。

分类显著性贴图，如中所述，解释这样的贴图描述了每像素的变化对预测的影响程度。因此，我认为没有理由不能将其应用于图像分割任务

然而，分割任务和显著性图产生的图像必须进行不同的解释。在图像分割任务中，输出是像素是否属于某一类的每像素预测，有时以确定性分数的形式

类显著性映射描述每个像素的变化程度，该像素的变化程度将改变分类器的得分。或者引用上面的文章：“哪些像素需要更改得最少，才能最大程度地影响课堂分数”

编辑：添加示例。 假设一个像素因为属于“狗”类而得到99%的分数，我们可以相当肯定这个像素实际上是狗的一部分。显著性贴图可以显示同一像素的低分数。这意味着稍微更改该像素不会影响属于类“Dog”的像素的预测。根据我到目前为止的经验，每像素类概率图和显著性图都显示出一些相似的模式，但这并不意味着它们被解释为相等的

我遇到的一段代码可以应用于pytorch模型（来自Nikhil Kasukurthi，不是我的），可以在上找到