2初級模型架構
Grad-CAM (梯度加權類別活化圖)
Grad-CAM (Gradient-weighted Class Activation Mapping)
以最後卷積層梯度加權產生熱力圖，視覺化 卷積神經網絡 (CNN) 預測時關注的影像區域，用於可解釋性。
詳細解釋
Grad-CAM 利用目標類別分數對最後卷積層特徵圖的梯度，經全域平均池化得到每通道權重，加權疊加特徵圖後經 ReLU 再上採樣至輸入尺寸，得到熱力圖疊加於原圖，顯示模型「看哪裡」做決策。不需改架構或重訓，適用於多種 卷積神經網絡 (CNN) 與 Vision Transformer。用於除錯、可解釋性與 電腦視覺 部署前驗證。與 卷積神經網絡 (CNN)、電腦視覺、積分梯度 (Integrated Gradients) 同屬可解釋 AI。