Cómo generar un mapa de calor utilizando OpenVINO™

¿Se pueden implementar técnicas de generación de mapas de calor como la propagación de relevancia por capas o Grad-CAM utilizando OpenVINO™?

Los mapas de calor se pueden utilizar para visualizar el proceso de toma de decisiones de las redes neuronales.

Para generar mapas de calor en OpenVINO™, es necesario:

1. Acceda a los mapas de entidades de salida de la capa convolucional de destino y los pesos correspondientes.

   Nota	Esto se puede hacer a través de la llamada a la función model.add_outputs() al inicializar la red en OpenVINO™ API 2.0+ (reemplaza el obsoleto CNNNetwork: addOutput()).

2. Después de ejecutar la inferencia, calcule la suma ponderada de los pesos con los mapas de entidades para generar el mapa de activación de clase.

3. Para la implementación de Grad-CAM, calcule gradientes de la clase de destino con respecto a los mapas de entidades y, a continuación, multiplique las gradientes por los mapas de entidades.

4. Aplicar Activación de ReLU para eliminar los valores negativos y normalizar el mapa de calor resultante.

5. Cambie el tamaño del mapa de calor para que coincida con las dimensiones de la imagen de entrada y superpóngalo en la imagen original para visualizarlo.

Pasos adicionales:

• Utilice model.get_ops() para identificar los nombres de capa disponibles.
• Aplique mapas de color (por ejemplo, cv2.COLORMAP_JET) para obtener una mejor visualización.
• Normalice los valores del mapa de calor entre 0-1 antes de la visualización.