Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.
58,2 mil17,5 milPythonAGPL-3.0Actualizado anteayer
jacobgil/pytorch-grad-cam
Una biblioteca de PyTorch que implementa métodos de mapas de activación de clases (CAM) para visualizar qué regiones de una imagen impulsan las predicciones de un modelo de visión artificial.
- Estrellas
- 13,000
- Forks
- 1,715
- Issues abiertos
- 166
- Último commit
- hace 2 meses
¿Qué es?
pytorch-grad-cam es un paquete de Python con métodos de explicabilidad para modelos de visión artificial basados en PyTorch. Genera mapas de calor que muestran qué píxeles contribuyeron más a la salida del modelo, lo que ayuda a diagnosticar predicciones durante el desarrollo o en producción.
El paquete incluye una amplia variedad de variantes de CAM, como Grad-CAM, HiResCAM, Grad-CAM++, Score-CAM, Ablation-CAM, Eigen-CAM y LayerCAM, además de opciones de suavizado y métricas como ROAD para evaluar la fidelidad de una explicación. Funciona con CNN y Vision Transformers, y puede aplicarse a otras tareas, además de la clasificación, como la detección de objetos, la segmentación semántica, la similitud entre embeddings y CLIP. Admite entradas por lotes y permite adaptar los métodos a nuevas arquitecturas mediante transformaciones de reshape y objetivos de modelo personalizados.
Se instala con pip usando el nombre grad-cam. El sitio de documentación incluye tutoriales en notebooks sobre clasificadores de HuggingFace, Faster R-CNN, YOLO y modelos de segmentación.
Funciones clave
- 01Implementa muchos métodos CAM, como Grad-CAM, Grad-CAM++, Score-CAM, Ablation-CAM y Eigen-CAM.
- 02Funciona con CNN y Vision Transformers como ViT y Swin.
- 03Admite detección de objetos, segmentación semántica, similitud entre embeddings y CLIP.
- 04Ofrece opciones de suavizado (aug_smooth y eigen_smooth) para reducir el ruido en los mapas de calor.
- 05Incluye métricas de evaluación como ROAD para medir la calidad de las explicaciones.
- 06Procesa imágenes por lotes y funciona en dispositivos CPU, CUDA o MPS.
Casos de uso
- Depurar por qué un clasificador de imágenes realiza una predicción específica.
- Comprobar si un modelo de detección o segmentación se centra en los objetos correctos.
- Comparar métodos de explicación y métricas en investigación de XAI.
- Examinar el comportamiento similar al de la atención de Vision Transformers en conjuntos de datos personalizados.
Inicio rápido
- 1
Instala el paquete desde PyPI
pip install grad-cam - 2
Importa un método CAM y un modelo, crea el objeto CAM y ejecútalo sobre un tensor de entrada (consulta el ejemplo de uso en el README)
Antes de usarlo
- Requiere PyTorch y un modelo que debes proporcionar; debes elegir la capa objetivo adecuada para cada arquitectura.
Temas
Preguntas frecuentes
- ¿Qué es pytorch-grad-cam?
- Una biblioteca de PyTorch que implementa métodos de mapas de activación de clases (CAM) para visualizar qué regiones de una imagen impulsan las predicciones de un modelo de visión artificial. pytorch-grad-cam es un paquete de Python con métodos de explicabilidad para modelos de visión artificial basados en PyTorch. Genera mapas de calor que muestran qué píxeles contribuyeron más a la salida del modelo, lo que ayuda a diagnosticar predicciones durante el desarrollo o en producción.
- ¿pytorch-grad-cam es gratuito? ¿Qué licencia tiene?
- pytorch-grad-cam es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿pytorch-grad-cam sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de pytorch-grad-cam fue el 13 ago 2026.
- ¿Para qué puedo usar pytorch-grad-cam?
- Depurar por qué un clasificador de imágenes realiza una predicción específica. Comprobar si un modelo de detección o segmentación se centra en los objetos correctos. Comparar métodos de explicación y métricas en investigación de XAI. Examinar el comportamiento similar al de la atención de Vision Transformers en conjuntos de datos personalizados.
- ¿Cómo se instala pytorch-grad-cam?
- Instala el paquete desde PyPI: pip install grad-cam Importa un método CAM y un modelo, crea el objeto CAM y ejecútalo sobre un tensor de entrada (consulta el ejemplo de uso en el README)
- ¿Dónde consigo pytorch-grad-cam?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/jacobgil/pytorch-grad-cam
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Herramienta de Python para restauración facial ciega: mejora rostros borrosos, de baja calidad o dañados en fotos y videos mediante un transformer con búsqueda en un libro de códigos.
18,2 mil3,7 milPythonOtherActualizado hace 11 meses
Biblioteca OCR de Python de código abierto que detecta y reconoce texto en PDF e imágenes con modelos de deep learning basados en PyTorch.
6,4 mil687PythonApache-2.0Actualizado ayer
Implementación oficial en PyTorch de BiRefNet, un modelo de deep learning para la segmentación dicotómica de imágenes de alta resolución, usado habitualmente para eliminar fondos.
4,3 mil344PythonMITActualizado hace 3 días
Un LLM de video entrenado con transcripciones de voz en streaming que genera comentarios en tiempo real sobre videos en vivo, presentado en el artículo LiveCC de CVPR 2025.
48059PythonSin licenciaActualizado hace 12 meses
Una biblioteca de optimización de deep learning que facilita y hace más eficiente el entrenamiento distribuido y la inferencia de modelos grandes.
43,2 mil5 milPythonApache-2.0Actualizado ayer