大佬，我又来了，这次是关于判别性区域的问题

[Javacr]

大佬，我在用预训练的resent50训练mcloss网络之后，得到了最终模型，我用的是你在issues中推荐的复现链接，acc为86.6，可能是batch只有32的原因。 不过我的问题不在于此。如上图所示我在可视化特征图时，发现将近有一半的特征图把注意力放在了背景信息上。我的可视化代码应该没有任何问题。请问，这种问题你有尝试过解决吗？还是说我的训练结果有问题，亦或是代码有问题？

    heat = he.data.cpu().numpy()    # heat为最后一层卷积的输出特征图
    print('heat',heat.shape)
    heat = np.squeeze(heat, 0)
    heat = heat[52*10+9,:]
    # heat = heat[2:3, :]
    heatmap = np.maximum(heat, 0)  # heatmap与0比较，取其大者
    # heatmap = np.mean(heatmap, axis=0)
    heatmap /= np.max(heatmap)
    #plt.matshow(heatmap)
    #plt.show()

    # 用cv2加载原始图像
    img = cv2.imread('/home/jim/data/FGVC/CUB_200_2011/images/053.Western_Grebe/Western_Grebe_0007_36074.jpg')
    heatmap = cv2.resize(heatmap, (img.shape[1], img.shape[0]))  # 将热力图的大小调整为与原始图像相同
    heatmap = np.uint8(255 * heatmap)  # 将热力图转换为RGB格式
    print(type(heatmap))

    heatmap = cv2.applyColorMap(heatmap, cv2.cv2.COLORMAP_HSV )  # 将热力图应用于原始图像
    heat_img = cv2.addWeighted(img, 1, heatmap, 0.5, 0)
    superimposed_img = heatmap * 0.3 + img * 0.7  # 这里的0.4是热力图强度因子
    cv2.imwrite('./self/heat_9.jpg', heat_img)  # 将图像保存到硬盘
    cv2.imshow('heat_11.jpg', heat_img)
    cv2.waitKey()

[dongliangchang]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

[Javacr]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

[dongliangchang]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

明白了，这个问题参考论文中的图5及其相关解释。具体位置 Section IV. EXPERIMENTAL RESULTS AND DISCUSSIONS ---> D. Ablation Study ---> 1) Influence of ξ

[Javacr]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

明白了，这个问题参考论文中的图5及其相关解释。具体位置 Section IV. EXPERIMENTAL RESULTS AND DISCUSSIONS ---> D. Ablation Study ---> 1) Influence of ξ

大佬的意思是，柯西值本身的问题是吧？由于resnet50中柯西值太大，所以存在一些固有问题？

[dongliangchang]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

明白了，这个问题参考论文中的图5及其相关解释。具体位置 Section IV. EXPERIMENTAL RESULTS AND DISCUSSIONS ---> D. Ablation Study ---> 1) Influence of ξ

大佬的意思是，柯西值本身的问题是吧？由于resnet50中柯西值太大，所以存在一些固有问题？

嗯 ，ξ 不能设置的太大。因为在同一粒度，没有那么多不同的判别力区域。论文中有相关的分析。

[Javacr]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

明白了，这个问题参考论文中的图5及其相关解释。具体位置 Section IV. EXPERIMENTAL RESULTS AND DISCUSSIONS ---> D. Ablation Study ---> 1) Influence of ξ

大佬的意思是，柯西值本身的问题是吧？由于resnet50中柯西值太大，所以存在一些固有问题？

嗯 ，ξ 不能设置的太大。因为在同一粒度，没有那么多不同的判别力区域。论文中有相关的分析。

谢谢大佬答疑，继续期待全部源码

[DeepDetector]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

明白了，这个问题参考论文中的图5及其相关解释。具体位置 Section IV. EXPERIMENTAL RESULTS AND DISCUSSIONS ---> D. Ablation Study ---> 1) Influence of ξ

大佬的意思是，柯西值本身的问题是吧？由于resnet50中柯西值太大，所以存在一些固有问题？

大佬您好~分类类别只有五个，柯西值也是设置为3吗？那一共就15个通道，会不会有点少

[dongliangchang]

不能可视化所有的channel，只可视化属于某一类的channel。具体参考这个issue #9

额，我就是单个可视化的。上面这张图片属于第52类，所以我单个可视化了52×10--53×10的所有特征图。

明白了，这个问题参考论文中的图5及其相关解释。具体位置 Section IV. EXPERIMENTAL RESULTS AND DISCUSSIONS ---> D. Ablation Study ---> 1) Influence of ξ

大佬的意思是，柯西值本身的问题是吧？由于resnet50中柯西值太大，所以存在一些固有问题？

大佬您好~分类类别只有五个，柯西值也是设置为3吗？那一共就15个通道，会不会有点少

可以试试看.我还没做过相关的实验. 也可以用11 Conv. 将通道数降低到315试一试.