Python 3.x 在背景图像上绘制神经网络权重的热图
我有一个问题，就是要展示给我的原始图像，以便以一种方式进行可视化，即原始图像位于背景中，并且指定的权重以seaborn热图形式显示 热图图片示例： 我发现了一些关于使用混淆矩阵可视化的答案，但是权重是一个完全不同的东西Python 3.x 在背景图像上绘制神经网络权重的热图,python-3.x,matplotlib,deep-learning,conv-neural-network,seaborn,Python 3.x,Matplotlib,Deep Learning,Conv Neural Network,Seaborn,我有一个问题，就是要展示给我的原始图像，以便以一种方式进行可视化，即原始图像位于背景中，并且指定的权重以seaborn热图形式显示 热图图片示例： 我发现了一些关于使用混淆矩阵可视化的答案，但是权重是一个完全不同的东西 此外，我想问，是否有可能以这样的方式可视化图像，比如图像是28x28，那么3x3的权重如何覆盖所有内容？我假设您的热图来自网络中卷积层的特征图，并且您希望使用CAM（类激活贴图）或渐变CAM等技术（梯度加权类激活映射） 假设您已将卷积功能图转换为14x14 numpy阵列的热图
此外，我想问，是否有可能以这样的方式可视化图像，比如图像是28x28，那么3x3的权重如何覆盖所有内容？我假设您的热图来自网络中卷积层的特征图，并且您希望使用CAM（类激活贴图）或渐变CAM等技术（梯度加权类激活映射） 假设您已将卷积功能图转换为14x14 numpy阵列的热图，并希望将其覆盖在256x256像素的图像上。热图包含0到1之间的32个浮点数。其想法是首先使用opencv将14x14功能图的采样增加到256x256：
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('./my-image.png')
# Resize the heatmap
heatmap = cv2.resize(heatmap, (img.shape[0], img.shape[1]))
# Convert dtype to uint8
heatmap = np.uint8(255 * heatmap)
# Overlay the heatmap on the image
heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_RAINBOW)
result = cv2.addWeighted(img, 0.6, heatmap, 0.4, 0)
fig, ax = plt.subplots()
ax.imshow(result)