Объясните предсказания сети путем окклюзии входов
вычисляет карту изменения классификационной оценки для классов, заданных scoreMap
= occlusionSensitivity(net
,X
,label
)label
когда части входных данных X
окклюдированы маской. Изменение классификационной оценки происходит относительно исходных данных без окклюзии. Окклюдирующая маска перемещается через входные данные, что дает изменение в классификационной оценке для каждого местоположения маски. Используйте карту окклюзии, чтобы идентифицировать части ваших входных данных, которые больше всего влияют на классификационную оценку. Области на карте с более высокими положительными значениями соответствуют областям входных данных, которые вносят положительный вклад в указанную классификационную метку. Сеть должна содержать softmaxLayer
за которым следует classificationLayer
.
вычисляет карту изменения общей активации для заданного слоя и канала, когда части входных данных activationMap
= occlusionSensitivity(net
,X
,layer
,channel
)X
окклюдированы маской. Изменение счета активации относительно исходных данных без окклюзии. Области в карте с более высокими положительными значениями соответствуют областям входных данных, которые вносят положительный вклад в указанную активацию канала, полученную путем суммирования по всем пространственным размерностям для этого канала.
___ = occlusionSensitivity(___,
задает опции, использующие один или несколько аргументы пары "имя-значение" в дополнение к входным параметрам в предыдущих синтаксисах. Для примера, Name,Value
)'Stride',50
устанавливает шаг окклюдирующей маски равным 50 пикселям.
activations
| classify
| gradCAM
| imageLIME