grad-cam

收录理由

这是 Grad-CAM 方法的官方参考实现，能把卷积神经网络的判断转化成热力图，直观显示图像中哪些区域影响了模型的预测结果。代码用 Torch/Lua 编写，依赖 Caffe 模型，放在今天的 PyTorch 或 TensorFlow 环境里可能不太顺手，但作为理解和学习这个经典方法的历史资料，价值依然明显。仓库覆盖了图像分类、视觉问答和图像描述等任务，通过简单的命令行参数就能指定网络层、输出热力图或原始梯度，操作起来很直接。如果你在研究模型可解释性，或者想复现 ICCV 2017 那篇论文的实验，这份作者亲写的代码提供了清晰可读的参考，能帮你一步步理清 Grad-CAM 的内部机制，再动手迁移到其他框架。