« Gradient-Weighted Class Activation Mapping » : différence entre les versions
(Page créée avec « == en contruction == == Définition == XXXXX == Français == ''' XXXXXXX''' == Anglais == ''' Gradient-Weighted Class Activation Mapping''' ''' Grad-CAM''' ''Grad-CAM uses the gradient information flowing into the last convolutional layer of the model to obtain localization map and understand the importance of each pixel of the input image for a specific class.'' == Source == [https://www.geeksforgeeks.org/graceful-degradation-in-distributed-systems/ Sour... ») |
Aucun résumé des modifications |
||
| (2 versions intermédiaires par le même utilisateur non affichées) | |||
| Ligne 2 : | Ligne 2 : | ||
== Définition == | == Définition == | ||
Il s'agit d'une technique de localisation discriminante par classe qui génère des explications visuelles pour tout types de réseaux convolutifs sans nécessiter de changements architecturaux ou de réentraînement. Elle identifie les zones les plus significatives de l'entrée pour faire des prédictions en calculant les gradients et en évaluant les poids d'importance des neurones. | |||
Voir aussi '''[[neurone]]''' et '''[[réseau convolutif]]''' | |||
== Français == | == Français == | ||
''' | ''' Cartographie de l'activation des classes pondérée par le gradient''' | ||
== Anglais == | == Anglais == | ||
| Ligne 12 : | Ligne 14 : | ||
''' Grad-CAM''' | ''' Grad-CAM''' | ||
''Grad-CAM | ''Grad-CAM is a class-discriminative localization technique that generates visual explanations for any CNN-based network without requiring architectural changes or re-training. It identifies the most significant areas of the input for making predictions by calculating gradients and evaluating neuron importance weights.'' | ||
== Source == | == Source == | ||
[https:// | [https://arxiv.org/abs/1610.02391 Source : arxiv] | ||
[https://github.com/nejlag/Grad-CAM Source : GitHub] | [https://github.com/nejlag/Grad-CAM Source : GitHub] | ||
[https://www.sciencedirect.com/topics/computer-science/ | [https://www.sciencedirect.com/topics/computer-science/gradient-weighted-class-activation-mapping Source : ScienceDirect] | ||
[https://christophm.github.io/interpretable-ml-book/pixel-attribution.html Source : github.io] | |||
[[Catégorie:vocabulary]] | [[Catégorie:vocabulary]] | ||
Dernière version du 13 décembre 2024 à 15:36
en contruction
Définition
Il s'agit d'une technique de localisation discriminante par classe qui génère des explications visuelles pour tout types de réseaux convolutifs sans nécessiter de changements architecturaux ou de réentraînement. Elle identifie les zones les plus significatives de l'entrée pour faire des prédictions en calculant les gradients et en évaluant les poids d'importance des neurones.
Voir aussi neurone et réseau convolutif
Français
Cartographie de l'activation des classes pondérée par le gradient
Anglais
Gradient-Weighted Class Activation Mapping
Grad-CAM
Grad-CAM is a class-discriminative localization technique that generates visual explanations for any CNN-based network without requiring architectural changes or re-training. It identifies the most significant areas of the input for making predictions by calculating gradients and evaluating neuron importance weights.
Source
Contributeurs: Arianne
