frgfm/torch-cam

何を解決するか

TorchCAMは、PyTorchで使用される畳み込みニューラルネットワーク（CNN）およびビジョントランスフォーマー（ViT）のクラス固有の活性を可視化・分析する簡単な方法を提供します。モデルが特定の予測を行う際にどの画像領域に注目しているかを可視化することで、予期しない分類結果のデバッグを支援します。

動作方法

このライブラリはPyTorchのフックメカニズムを使用して、モデルのアーキテクチャを変更せずに内部の活性を取得します。Grad-CAM、Layer-CAM、LeGradを含む12種類のクラス活性マップ（CAM）手法をサポートし、元の入力画像に重ねて表示できるヒートマップを生成します。また、モデルの意思決定プロセスをどれだけ正確に反映しているかを測定するための組み込み忠実度メトリクス（平均信頼度の低下・上昇など）も提供しています。

対象ユーザー

コンピュータビジョンモデルを扱うPyTorchユーザーで、モデルの予測を解釈し、エラー分析を行い、視覚的ヒントの重要性を検証したい方におすすめです。

特徴

• 豊富な手法ライブラリ: 1つの統一されたAPIで12種類のCAM手法をサポート。
• 広範なアーキテクチャ対応: CNNとビジョントランスフォーマー（ViT）の両方に対応。
• 忠実度メトリクス: 活性マップの信頼性を定量的に測定するツールを備えています。
• エージェント対応: explain()関数は、人間やコードエージェントが検証可能な証拠バンドルを生成します。
• 軽量な依存関係: PyTorch、NumPy、Pillow、Matplotlibのみを必要とします。