图像锐化的matlab代码-compare-gradient-attribution-maps:进行完整性检查以比较梯度归因图

图像锐化的matlab代码比较渐变归因图 该存储库提供了几种计算梯度归因图的方法，以调查图像的哪些部分对于深度神经网络做出的分类决策最重要。 该存储库还提供完整性检查，以评估梯度归因图。 概述 随着卷积神经网络（CNN）的普及，了解它们如何进行预测非常重要。 例如，网络使用输入数据的哪些部分来进行分类决策？ 显着性地图可以帮助您理解此问题。 显着图（也称为梯度归因图）标识网络用于进行预测的输入图像中的重要像素。 产生显着性图的一种方法是通过梯度归因。 梯度归因计算相对于图像中每个像素的输出分数的梯度，以提供强烈影响输出分类分数的像素图。 对梯度归因方法执行完整性检查也很重要，以确保地图提供有关网络的准确信息。 阿德巴约（Adebayo）等。 [1]已经表明，某些在视觉上吸引人的显着性图在逻辑上是不正确的。 该存储库提供的功能可帮助生成显着性图，还可以对梯度归因技术执行完整性检查。 用法 此存储库需要（R2020a及更高版本）和。 该存储库提供以下功能： gradientMap —使用三种不同的梯度归因技术（梯度说明，定向反向传播，Zeiler-Fergus）计算网络和图像的显着性图。