Ultralytics YOLOv5, toolkit de visão computacional baseado em PyTorch para detecção de objetos, segmentação de instâncias e classificação de imagens, com recursos de treinamento e exportação.
58,2 mil17,5 milPythonAGPL-3.0Atualizado anteontem
jacobgil/pytorch-grad-cam
Biblioteca PyTorch que implementa métodos de mapas de ativação de classe (CAM) para visualizar quais regiões da imagem influenciam as previsões de modelos de visão computacional.
- Estrelas
- 13,000
- Forks
- 1,715
- Issues abertas
- 166
- Último commit
- há 2 meses
O que é?
pytorch-grad-cam é um pacote Python com métodos de explicabilidade para modelos de visão computacional desenvolvidos com PyTorch. Ele gera mapas de calor que mostram quais pixels mais contribuíram para a saída do modelo, ajudando a diagnosticar previsões durante o desenvolvimento ou em produção.
O pacote reúne diversas variantes de CAM, incluindo Grad-CAM, HiResCAM, Grad-CAM++, Score-CAM, Ablation-CAM, Eigen-CAM e LayerCAM, além de opções de suavização e métricas como ROAD, que avalia o quanto uma explicação é fiel. Ele funciona com CNNs e Vision Transformers e também pode ser aplicado além da classificação, em detecção de objetos, segmentação semântica, similaridade entre embeddings e CLIP. Há suporte a entradas em lote, e é possível adaptar os métodos a novas arquiteturas usando reshape transforms e alvos de modelo personalizados.
A instalação é feita via pip, com o nome grad-cam. O site de documentação inclui tutoriais em notebooks sobre classificadores do HuggingFace, Faster R-CNN, YOLO e modelos de segmentação.
Recursos principais
- 01Implementa vários métodos CAM, incluindo Grad-CAM, Grad-CAM++, Score-CAM, Ablation-CAM e Eigen-CAM.
- 02Funciona com CNNs e Vision Transformers, como ViT e Swin.
- 03Oferece suporte a detecção de objetos, segmentação semântica, similaridade entre embeddings e CLIP.
- 04Oferece opções de suavização (aug_smooth e eigen_smooth) para reduzir o ruído nos mapas de calor.
- 05Inclui métricas de avaliação, como ROAD, para medir a qualidade das explicações.
- 06Processa imagens em lote e funciona em dispositivos CPU, CUDA ou MPS.
Casos de uso
- Investigar por que um classificador de imagens fez determinada previsão.
- Verificar se um modelo de detecção ou segmentação está focando nos objetos corretos.
- Comparar métodos de explicação e métricas em pesquisas de XAI.
- Analisar comportamentos semelhantes à atenção em Vision Transformers com conjuntos de dados personalizados.
Início rápido
- 1
Instale o pacote pelo PyPI
pip install grad-cam - 2
Importe um método CAM e um modelo, crie o objeto CAM e execute-o em um tensor de entrada (consulte o exemplo de uso no README)
Antes de usar
- Requer PyTorch e um modelo fornecido por você; é necessário escolher a camada-alvo correta para cada arquitetura.
Tópicos
Perguntas frequentes
- O que é pytorch-grad-cam?
- Biblioteca PyTorch que implementa métodos de mapas de ativação de classe (CAM) para visualizar quais regiões da imagem influenciam as previsões de modelos de visão computacional. pytorch-grad-cam é um pacote Python com métodos de explicabilidade para modelos de visão computacional desenvolvidos com PyTorch. Ele gera mapas de calor que mostram quais pixels mais contribuíram para a saída do modelo, ajudando a diagnosticar previsões durante o desenvolvimento ou em produção.
- pytorch-grad-cam é gratuito? Qual é a licença?
- pytorch-grad-cam é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- pytorch-grad-cam ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de pytorch-grad-cam foi em 13 de ago. de 2026.
- Para que posso usar pytorch-grad-cam?
- Investigar por que um classificador de imagens fez determinada previsão. Verificar se um modelo de detecção ou segmentação está focando nos objetos corretos. Comparar métodos de explicação e métricas em pesquisas de XAI. Analisar comportamentos semelhantes à atenção em Vision Transformers com conjuntos de dados personalizados.
- Como instalar pytorch-grad-cam?
- Instale o pacote pelo PyPI: pip install grad-cam Importe um método CAM e um modelo, crie o objeto CAM e execute-o em um tensor de entrada (consulte o exemplo de uso no README)
- Onde consigo pytorch-grad-cam?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/jacobgil/pytorch-grad-cam
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Ferramenta em Python para restauração cega de rostos, que melhora rostos borrados, de baixa qualidade ou danificados em fotos e vídeos usando um transformer com consulta a codebook.
18,2 mil3,7 milPythonOtherAtualizado há 11 meses
Biblioteca de OCR de código aberto para Python que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch.
6,4 mil687PythonApache-2.0Atualizado ontem
Implementação oficial em PyTorch do BiRefNet, um modelo de deep learning para segmentação dicotômica de imagens em alta resolução, usado com frequência para remover fundos.
4,3 mil344PythonMITAtualizado há 3 dias
Um LLM de vídeo treinado com transcrição de fala em streaming que gera comentários em tempo real sobre vídeos ao vivo, apresentado no artigo LiveCC da CVPR 2025.
48059PythonSem licençaAtualizado há 12 meses
Biblioteca de otimização de deep learning que facilita e torna mais eficiente o treinamento distribuído e a inferência de modelos grandes.
43,2 mil5 milPythonApache-2.0Atualizado ontem