一份可视化特征图的代码
前言 本文给大家分享一份我用的特征图可视化代码。
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
写在前面的话
特征图可视化是很多论文所需要做的一份工作，其作用可以是用于证明方法的有效性，也可以是用来增加工作量，给论文凑字数。
具体来说就是可视化两个图，使用了新方法的和使用之前的，对比有什么区别，然后看图写论文说明新方法体现的作用。
吐槽一句，有时候这个图 论文作者自己都不一定能看不懂，虽然确实可视化的图有些改变，但并不懂这个改变说明了什么，反正就吹牛，强行往自己新方法编的故事上扯，就像小学一年级的作文题--看图写作文。
之前知乎上有一个很热门的话题，如果我在baseline上做了一点小小的改进，却有很大的效果，这能写论文吗？
这种情况最大的问题就在于要如何写七页以上，那一点点的改进可能写完思路，公式推理，画图等内容才花了不到一页，剩下的内容如何搞？可视化特征图！！！
这一点可以在我看过的甚多论文上有所体现，反正我是没看明白论文给的可视化图，作者却能扯那么多道道。这应该就是用来增加论文字数和增加工作量的。
总之一句话，可视化特征图是很重要的工作，最好要会。
初始化配置
这部分先完成加载数据，修改网络，定义网络，加载预训练模型。
加载数据并预处理
这里只加载一张图片，就不用通过classdataset了，因为classdataset是针对大量数据的，生成一个迭代器一批一批地将图片送给网络。但我们仍然要完成classdataset中数据预处理的部分。
数据预处理所必须要有的操作是调整大小，转化为Tensor格式，归一化。至于其它数据增强或预处理的操作，自己按需添加。
def image_proprecess(img_path):
img = Image.open(img_path)
data_transforms = transforms.Compose([
transforms.Resize((384, 384), interpolation=3),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])
data = data_transforms(img)
data = torch.unsqueeze(data,0)
return data
这里由于只加载一张图片，因此后面要使用torch.unsqueeze将三维张量变成四维。
修改网络
假如你要可视化某一层的特征图，则需要将该层的特征图返回出来，因此需要先修改网络中的forward函数。具体修改方式如下所示。
def forward(self, x):
x = self.model.conv1(x)
x = self.model.bn1(x)
x = self.model.relu(x)
x = self.model.maxpool(x)
feature = self.model.layer1(x)
x = self.model.layer2(feature)
x = self.model.layer3(x)
x = self.model.layer4(x)
return feature,x
定义网络并加载预训练模型
def Init_Setting(epoch):
dirname = '/mnt/share/VideoReID/share/models/Methods5_trial1'
model = siamese_resnet50(701, stride=1, pool='avg')
trained_path = os.path.join(dirname, 'net_%03d.pth' % epoch)
print("load %03d.pth" % epoch)
model.load_state_dict(torch.load(trained_path))
model = model.cuda().eval()
return model
这部分需要说明的是最后一行，要将网络设置为推理模式。
可视化特征图
这部分主要是将特征图的某一通道转化为一张图来可视化。
def visualize_feature_map(img_batch,out_path,type,BI):
feature_map = torch.squeeze(img_batch)
feature_map = feature_map.detach().cpu().numpy()
feature_map_sum = feature_map[0, :, :]
feature_map_sum = np.expand_dims(feature_map_sum, axis=2)
for i in range(0, 2048):
feature_map_split = feature_map[i,:, :]
feature_map_split = np.expand_dims(feature_map_split,axis=2)
if i > 0:
feature_map_sum +=feature_map_split
feature_map_split = BI.transform(feature_map_split)
plt.imshow(feature_map_split)
plt.savefig(out_path + str(i) + "_{}.jpg".format(type) )
plt.xticks()
plt.yticks()
plt.axis('off')
feature_map_sum = BI.transform(feature_map_sum)
plt.imshow(feature_map_sum)
plt.savefig(out_path + "sum_{}.jpg".format(type))
print("save sum_{}.jpg".format(type))
这里一行一行来解释。
1. 参数img_batch是从网络中的某一层传回来的特征图，BI是双线性插值的函数，自定义的，下面会讲。
2. 由于只可视化了一张图片，因此img_batch是四维的，且batchsize维为1。第三行将它从GPU上弄到CPU上，并变成numpy格式。
3. 剩下部分主要完成将每个通道变成一张图，以及将所有通道每个元素对应位置相加，并保存。
双线性插值
由于经过多次网络降采样，后面层的特征图往往变得只有7x7,16x16大小。可视化后特别小，因此需要将它上采样，这里采样的方式是双线性插值。因此，这里给一份双线性插值的代码。
class BilinearInterpolation(object):
def __init__(self, w_rate: float, h_rate: float, *, align='center'):
if align not in ['center', 'left']:
logging.exception(f'{align} is not a valid align parameter')
align = 'center'
self.align = align
self.w_rate = w_rate
self.h_rate = h_rate
def set_rate(self,w_rate: float, h_rate: float):
self.w_rate = w_rate # w 的缩放率
self.h_rate = h_rate # h 的缩放率
# 由变换后的像素坐标得到原图像的坐标 针对高
def get_src_h(self, dst_i,source_h,goal_h) -> float:
if self.align == 'left':
# 左上角对齐
src_i = float(dst_i * (source_h/goal_h))
elif self.align == 'center':
# 将两个图像的几何中心重合。
src_i = float((dst_i + 0.5) * (source_h/goal_h) - 0.5)
src_i += 0.001
src_i = max(0.0, src_i)
src_i = min(float(source_h - 1), src_i)
return src_i
# 由变换后的像素坐标得到原图像的坐标 针对宽
def get_src_w(self, dst_j,source_w,goal_w) -> float:
if self.align == 'left':
# 左上角对齐
src_j = float(dst_j * (source_w/goal_w))
elif self.align == 'center':
# 将两个图像的几何中心重合。
src_j = float((dst_j + 0.5) * (source_w/goal_w) - 0.5)
src_j += 0.001
src_j = max(0.0, src_j)
src_j = min((source_w - 1), src_j)
return src_j
def transform(self, img):
source_h, source_w, source_c = img.shape # (235, 234, 3)
goal_h, goal_w = round(
source_h * self.h_rate), round(source_w * self.w_rate)
new_img = np.zeros((goal_h, goal_w, source_c), dtype=np.uint8)
for i in range(new_img.shape[0]): # h
src_i = self.get_src_h(i,source_h,goal_h)
for j in range(new_img.shape[1]):
src_j = self.get_src_w(j,source_w,goal_w)
i2 = ceil(src_i)
i1 = int(src_i)
j2 = ceil(src_j)
j1 = int(src_j)
x2_x = j2 - src_j
x_x1 = src_j - j1
y2_y = i2 - src_i
y_y1 = src_i - i1
new_img[i, j] = img[i1, j1]*x2_x*y2_y + img[i1, j2] * \
x_x1*y2_y + img[i2, j1]*x2_x*y_y1 + img[i2, j2]*x_x1*y_y1
return new_img
#使用方法
BI = BilinearInterpolation(8, 8)
feature_map = BI.transform(feature_map)
main函数流程
上面介绍了各个部分的代码，下面就是整体流程。比较简单。
imgs_path = "/path/to/imgs/"
save_path = "/save/path/to/output/"
model = Init_Setting(120)
BI = BilinearInterpolation(8, 8)
data = image_proprecess(out_path + "0836.jpg")
data = data.cuda()
output, _ = model(data)
visualize_feature_map(output, save_path, "drone", BI)
可视化效果图
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
在公众号中回复关键字“入门指南”可获取计算机视觉入门资料。
CV技术指南创建了一个交流氛围很不错的群，除了太偏僻的问题，几乎有问必答。关注公众号添加编辑的微信号可邀请加交流群。
其它文章
目标检测中的框位置优化总结
从零搭建Pytorch模型教程（一）数据读取
自编码器综述论文：概念、图解和应用
解决图像分割落地场景真实问题，港中文等提出：开放世界实体分割
目标检测、实例分割、多目标跟踪的Anchor-free应用方法总结
ICLR2022 | cosformer : 重新思考在注意力中的softmax
ICLR2022 | ViDT: 一个有效且高效的纯transformer目标检测器
关于快速学习一项新技术或新领域的一些个人思维习惯与思想总结
Panoptic SegFormer：端到端的 Transformer 全景分割通用框架
CVPR2021 | TrivialAugment：不用调优的SOTA数据增强策略
ICCV2021 | 简单有效的长尾视觉识别新方案：蒸馏自监督(SSD)
AAAI2021 | 任意方向目标检测中的动态Anchor学习
ICCV2021 | 用于视觉跟踪的学习时空型transformer
ICCV2021 | 渐进采样式Vision Transformer
MobileVIT：轻量级视觉Transformer+移动端部署
ICCV2021 | SOTR:使用transformer分割物体
ICCV2021 | PnP-DETR：用Transformer进行高效的视觉分析
ICCV2021 | Vision Transformer中相对位置编码的反思与改进
ICCV2021 | 重新思考视觉transformers的空间维度
CVPR2021 | TransCenter: transformer用于多目标跟踪算法
CVPR2021|特征金字塔的新方式YOLOF
CVPR2021 | 重新思考BatchNorm中的Batch