
import warnings
warnings.filterwarnings('ignore')  # 忽略警告，保持输出清洁
# 导入必要的库
import torch, yaml, cv2, os, shutil
import numpy as np
np.random.seed(0)  # 设置随机种子
import matplotlib.pyplot as plt
from tqdm import trange
from PIL import Image
# 导入YOLOv8和Grad-CAM相关的库
from ultralytics.nn.tasks import RTDETRDetectionModel as Model
from ultralytics.utils.torch_utils import intersect_dicts
from ultralytics.utils.ops import xywh2xyxy
from pytorch_grad_cam import GradCAMPlusPlus, GradCAM, XGradCAM
from pytorch_grad_cam.utils.image import show_cam_on_image
from pytorch_grad_cam.activations_and_gradients import ActivationsAndGradients

定义letterbox函数

这段代码定义了一个名为 letterbox 的函数，它主要用于调整图像大小和进行填充处理，以便使图像适配于深度学习模型的输入要求。现在我将详细解释这个函数的每一部分：

def letterbox(im, new_shape=(640, 640), color=(114, 114, 114), auto=True, scaleFill=False, scaleup=True, stride=32):

im: 输入图像。
new_shape: 目标图像的新尺寸，默认为 640x640。
color: 用于边缘填充的颜色，默认为灰色（114, 114, 114）。
auto: 是否自动调整填充大小以满足步长约束。
scaleFill: 是否拉伸图像以填充新形状。
scaleup: 是否允许放大图像。
stride: 模型步长，用于确保输出尺寸是该数值的倍数。

调整尺寸和比例


shape = im.shape[:2]  # 当前图像的形状 [高度, 宽度]
if isinstance(new_shape, int):
    new_shape = (new_shape, new_shape)
 
# 计算缩放比例 (新尺寸 / 旧尺寸)
r = min(new_shape[0] / shape[0], new_shape[1] / shape[1])
if not scaleup:  # 仅缩小图像，不放大（为了更好的验证mAP）
    r = min(r, 1.0)

这部分代码首先获取图像的原始尺寸，然后根据new_shape和原始尺寸计算缩放比例。

计算填充


ratio = r, r  # 宽度、高度比例
new_unpad = int(round(shape[1] * r)), int(round(shape[0] * r))
dw, dh = new_shape[1] - new_unpad[0], new_shape[0] - new_unpad[1]  # 宽高填充
if auto:  # 最小矩形
    dw, dh = np.mod(dw, stride), np.mod(dh, stride)  # 宽高填充
elif scaleFill:  # 拉伸填充
    dw, dh = 0.0, 0.0
    new_unpad = (new_shape[1], new_shape[0])
    ratio = new_shape[1] / shape[1], new_shape[0] / shape[0]  # 宽度、高度比例

这段代码计算了在缩放后的图像周围需要添加多少填充，以达到目标尺寸。auto模式下，填充被调整以满足步长约束。scaleFill模式下，图像被拉伸以填充整个目标尺寸。

应用填充


dw /= 2  # 将填充分成两边
dh /= 2
 
if shape[::-1] != new_unpad:  # 如果需要调整大小
    im = cv2.resize(im, new_unpad, interpolation=cv2.INTER_LINEAR)
top, bottom = int(round(dh - 0.1)), int(round(dh + 0.1))
left, right = int(round(dw - 0.1)), int(round(dw + 0.1))
im = cv2.copyMakeBorder(im, top, bottom, left, right, cv2.BORDER_CONSTANT, value=color)  # 添加边框

最后，这部分代码将计算出的填充应用到图像上。首先，如果需要，会将图像缩放到new_unpad指定的尺寸。接着，使用cv2.copyMakeBorder函数在图像的四周添加计算出的填充。然后直接定义返回值：return im, ratio, (dw, dh) 函数返回调整大小并填充后的图像，以及相关的缩放比例和填充维度。

letterbox函数是深度学习中常用的图像预处理手段之一。它通过调整图像的尺寸和添加填充，确保图像能够适配神经网络的输入要求，同时保持了图像的原始比例，避免了可能的形变。这在目标检测等需要精确空间定位的任务中尤为重要。

yolov8_heatmap类定义和初始化


class yolov8_heatmap:
    def __init__(self, weight, cfg, device, method, layer, backward_type, conf_threshold, ratio):
        ...

初始化函数接收多个参数，包括模型权重（weight）、配置文件（cfg）、运行设备（device）、Grad-CAM方法（method）、目标层（layer）、反向类型（backward_type）、置信度阈值（conf_threshold）和处理比例（ratio）。
加载YOLOv8模型，并根据提供的配置和权重设置模型。
随机生成颜色映射，用于不同类别的可视化。
初始化的参数被存储在类的属性中。

后处理函数


def post_process(self, result):
    ...

post_process 函数处理模型的输出。它将模型输出分离为逻辑值（logits_）和边界框（boxes_）。
该函数还对输出进行排序，并转换边界框格式。

绘制检测结果


def draw_detections(self, box, color, name, img):
    ...

draw_detections 函数用于在图像上绘制检测到的边界框和类别名称。
它调整边界框大小以适应原始图像尺寸，并在图像上绘制边界框和类别名称。

类的调用函数


def __call__(self, img_path, save_path):
    ...

当实例被当作函数调用时，执行图像处理和热图生成的主要流程。
加载并预处理图像，将其转换为模型可以处理的格式。
使用ActivationsAndGradients对象从指定的层中获取激活和梯度。
使用Grad-CAM方法生成热图，这涉及到计算重要性权重和应用它们到激活图上。
将生成的热图叠加到原始图像上，并保存结果。

热图生成细节

类的核心功能是使用Grad-CAM技术从指定层生成热图。
根据backward_type，可以选择对类别、边界框或两者进行反向传播，以生成针对不同目标的热图。
生成的热图反映了模型在做出预测时关注图像的哪些区域。

参数解释


def get_params():
    params = {
        'weight': 'rtdetr-l.pt',
        'cfg': 'ultralytics/cfg/models/rt-detr/rtdetr-l.yaml',
        'device': 'cuda:0',
        'method': 'GradCAM', # GradCAMPlusPlus, GradCAM, XGradCAM
        'layer': 'model.model[10]',
        'backward_type': 'all', # class, box, all
        'conf_threshold': 0.3, # 0.3
        'ratio': 0.5 # 0.5-1.0
    }
    return params

这段代码定义了一个名为 get_params 的函数，它用于设置并返回一个字典，包含了一系列参数，这些参数是用于配置和运行 yolov8_heatmap 类的。现在我将逐个解释这些参数的含义和作用：

`weight`

'rtdetr-l.pt': 这个参数指定了模型的权重文件。在这种情况下，它是一个预先训练的YOLOv8模型的权重文件。这个文件包含了模型的所有训练参数，是模型运行的基础。

`cfg`

'ultralytics/cfg/models/rt-detr/rtdetr-l.yaml': 这是模型的配置文件路径。配置文件定义了模型的架构和其他相关设置。这里指定的是使用YOLOv8模型的具体配置。

`device`

'cuda:0': 这个参数指定了模型运行的设备。在这里，'cuda:0' 表明模型将在第一个NVIDIA GPU上运行。如果没有GPU或希望在CPU上运行，可以将其更改为 'cpu'。

`method`

'GradCAM': 此参数指定了用于生成热图的Grad-CAM（梯度加权类激活映射）变体。'GradCAM' 是一种常用的方法，其他选项如 'GradCAMPlusPlus' 和 'XGradCAM' 提供了不同的热图生成算法。

`layer`

'model.model[10]': 这个参数指定了用于生成热图的网络层。'model.model[10]' 指的是YOLOv8模型中的特定层。选择的层会影响热图的细节和质量。

`backward_type`

'all': 这个参数决定了反向传播的类型。它可以是 'class'、'box' 或 'all'。'class' 仅关注类别预测，'box' 仅关注边界框预测，而 'all' 结合了两者。

`conf_threshold`

0.3: 这是一个置信度阈值，用于过滤模型的预测。仅当模型对其预测的置信度高于0.3时，这些预测才会被考虑。

`ratio`

0.5: 这个参数指定了在生成热图时考虑的顶部预测的比例。0.5 表示只考虑置信度最高的50%的预测。

热力图解读

颜色解释：
- 热图中的颜色通常代表一个量级的标量，其中热色调（如红色、黄色）表示高活跃度或高重要性区域，冷色调（如蓝色、绿色）表示低活跃度或低重要性区域。
区域关注：
- 热图上明亮的区域表明了模型在做出预测或决策时，这些区域对模型的输出贡献度较高。例如，在目标检测任务中，如果热图中某个物体的轮廓区域亮度很高，这可能意味着模型正将注意力集中在这个物体上。
模型解释性：
- 热图可以用来理解和解释模型的行为。例如，在图像分类任务中，热图可以显示模型认为图像的哪些部分对于识别特定类别最重要。

程序源码下载地址

计算机视觉YOLOv8模型热图可视化工具

如果有哪里写的不够清晰，小伙伴本可以给评论或者留言，我这边会尽快的优化博文内容，另外如有需要，我这边可支持技术答疑与支持。另外这个程序并非我的原创，如有侵权告知必删。

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop】