可解释的YOLOv8：使用Eigen-CAM解释YOLOv8的结果

我是YOLO（You Only Look Once）模型的忠实粉丝，尤其是版本8。它很容易训练和部署，即使在医学影像领域也是如此。最近我使用YOLOv8完成了一个分类问题，效果很好。然而，主要问题是它没有内置的可解释结果功能，例如GRAD-CAM或Eigen-CAM。在互联网上搜索了几个小时后，我找到了一个GitHub仓库，正好满足我的要求，并且更容易使用。那么，让我们看看如何使用：

1. 介绍
2. 克隆 GitHub 仓库
3. 导入库
4. 初始化 EigenCAM

Eigen-CAM与YOLO（You Only Look Once）目标检测器的集成对于可解释的人工智能（XAI）在视觉对象检测方面标志着重大进展。考虑到当代计算机视觉模型的复杂性以及解释其行为的透明性需求，这种集成尤为引人注目。Eigen-CAM（特征值类激活映射）在理解这些模型如何得出特定预测方面起着关键作用。

要创建一个基于GitHub仓库的教程，将EigenCAM与YOLO V8模型集成，请按照以下步骤进行：

第一步：克隆仓库从[GitHub](https://github.com/rigvedrs/YOLO-V8-CAM)克隆仓库，或直接下载`yolo_cam`文件夹。

第二步：导入库– 从克隆的包中导入所需库：

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

第三步：初始化 EigenCAM– 使用YOLO V8模型和目标层初始化EigenCAM。指定任务（分类任务使用`‘cls’`，目标检测任务使用`‘od’`）。默认任务是`‘od’`。

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

第四步：生成和可视化热图– 生成灰度热图并将其叠加在输入图像上。

grayscale_cam = cam(rgb_img)[0, :, :]cam_image = show_cam_on_image(img, grayscale_cam, use_rgb=True) # 它将生成彩色图像plt.imshow(cam_image)plt.show()

有时您需要运行以上两步…