わかりやすいYOLOv8 Eigen-CAMを使ったYOLOv8の結果の説明

わかりやすいYOLOv8 Eigen-CAMを使用したYOLOv8の結果の解説

私はYOLO（You Only Look Once）モデルの大ファンであり、特にバージョン8が好きです。それは訓練と展開が簡単であり、医療画像の領域でも使用できます。最近、YOLOv8を使用した分類問題を完成させ、かなりうまくいきました。しかし、主な問題は、GRAD-CAMやEigen-CAMのような組み込みの説明可能な結果機能の不足でした。何時間もインターネットで検索した後、希望通りのGitHubリポジトリを見つけました。それは使いやすいです。では、使い方を見てみましょう。

1. イントロダクション
2. GitHubリポジトリのクローン
3. ライブラリのインポート
4. EigenCAMの初期化

Eigen-CAMの統合は、視覚的なオブジェクト検出の説明可能な人工知能（XAI）の重要な進歩を示しています。現代のコンピュータビジョンモデルの複雑さとその動作の透明性の必要性を考慮すると、この統合は特に注目に値します。具体的な予測に至るまでこれらのモデルがどのようにたどり着くかを理解するために、Eigen-CAM（Eigen Class Activation Mapping）が重要な役割を果たしています。

YOLO V8モデルとEigenCAMを統合するGitHubリポジトリに基づいたチュートリアルを作成するには、以下の手順に従ってください。

ステップ1：リポジトリのクローン [GitHub](https://github.com/rigvedrs/YOLO-V8-CAM)からリポジトリをクローンするか、直接`yolo_cam`フォルダーをダウンロードします。

• 「2023年11月の5つの最高のメディアキットジェネレーター」
• AI Pin iPhoneを置き換えるかもしれないデバイス
• 「AIツールのためのベスト5のブラックフライデーセール」

ステップ2：ライブラリのインポート– クローンしたパッケージから必要なライブラリをインポートします。

from yolo_cam.eigen_cam import EigenCAMfrom yolo_cam.utils.image import show_cam_on_image, scale_cam_image

ステップ3：EigenCAMの初期化– YOLO V8モデルとターゲットレイヤーでEigenCAMを初期化します。タスクを指定します（分類の場合は`‘cls’`、オブジェクト検出の場合は`‘od’`）。デフォルトのタスクは`‘od’`です。

cam = EigenCAM(model, target_layers,task='cls')

ステップ4：ヒートマップの生成と可視化– グレースケールのヒートマップを生成し、入力画像にオーバーレイします。

grayscale_cam = cam(rgb_img)[0, :, :]cam_image = show_cam_on_image(img, grayscale_cam, use_rgb=True) # カラー画像を生成しますplt.imshow(cam_image)plt.show()

上記の2つを時々実行する必要があります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!