Я пытаюсь применить GradCAM к моей предварительно обученной модели CNN для создания тепловых карт слоев. Мой собственный дизайн CNN показан следующим образом: - Он принял все слои свертки и предварительно обученные веса из модели VGG16. - Извлечь элементы нижнего уровня (ранние сверточные слои) из VGG16. - Обучите полностью связанные уровни функций нормального / высокого и более низкого уровня из VGG16. - Объединение выходов нормального / высокого и нижнего уровня f. c. слои, а затем тренируйте больше f. c. слоев перед окончательным прогнозом.
дизайн модели
Я хочу использовать GradCAM для визуализации карт характеристик низкоуровневого маршрута и нормального / высокоуровневого маршрута и я сделал такие тепловые карты на неконкатенационном настроенном VGG с использованием последних сверточных слоев. Мой вопрос в том, может ли метод Grad-CAM по-прежнему работать в конкатенированной модели CNN с использованием градиента предсказания по отношению к картам характеристик карты функций низкого и высокого уровня? Если нет, то есть ли другие методы визуализации тепловых карт для такой модели? Можно ли использовать общий полностью подключенный уровень?
Любые идеи и предложения приветствуются!