Aquí está el código directamente:
import cv2
import numpy as np
import matplotlib.pyplot as plt
pred_path = "YOUR PRED PATH"
pred = cv2.imread(pred_path, 0)
pred = pred / 255 # 预测结果需要归一化到0~1的区间内
eps = 1e-8
pred = np.clip(pred, eps, 1 - eps) # 防止计算熵时log0出错
H = -pred * np.log2(pred) - (1 - pred) * np.log2(1 - pred)
fig, ax = plt.subplots()
im = ax.imshow(H, cmap='hot', interpolation='nearest')
ax.tick_params(axis='both', which='both', length=0, labelsize=0, labelcolor='w')
plt.colorbar(im, shrink=0.6)
plt.savefig('heatmap.png', bbox_inches='tight')
print("Entropy", H.sum() / pred.size) # 整张图像的熵为所有像素熵的和除以像素数
Tres ejemplos son los siguientes.
Resultado de la predicción 1:
La entropía es 0,7879. Visualiza un mapa de calor:
Resultado de la predicción 2:
La entropía es 0.2372. Visualiza un mapa de calor:
Resultado de la predicción 3:
La entropía es 0.0645. Visualiza un mapa de calor:
