AIの「根拠」を可視化せよ！ブラックボックスをこじ開けるCAMの正体

import numpy as np
import torch
from PIL import Image
import matplotlib.pyplot as plt
from torchvision import models
from torchvision.models import ResNet50_Weights
from pytorch_grad_cam import GradCAM
from pytorch_grad_cam.utils.model_targets import ClassifierOutputTarget
from pytorch_grad_cam.utils.image import show_cam_on_image

# 1. モデルの準備
weights = ResNet50_Weights.DEFAULT
model = models.resnet50(weights=weights)
model.eval()

target_layers = [model.layer4[-1]]

# 2. 画像の読み込みと前処理（ファイル名を cat.jpg に変更）
input_path = 'cat.jpg' # ここを修正しました
try:
    rgb_img = Image.open(input_path).convert('RGB')
except FileNotFoundError:
    print(f"エラー: {input_path} が見つかりません。Colabにアップロードされているか確認してください。")
    raise

rgb_img_resized = rgb_img.resize((224, 224))
img_float = np.array(rgb_img_resized) / 255.0

transform = weights.transforms()
input_tensor = transform(rgb_img).unsqueeze(0)

# 3. 予測結果からトップのクラスとラベル名を取得
outputs = model(input_tensor)
target_category = outputs.argmax(dim=1).item()
predicted_label = weights.meta["categories"][target_category] # クラス名（品種名）を取得

print(f"AIの診断結果: {predicted_label} (Class ID: {target_category})")

# 4. Grad-CAMの実行
cam = GradCAM(model=model, target_layers=target_layers)
targets = [ClassifierOutputTarget(target_category)]

grayscale_cam = cam(input_tensor=input_tensor, targets=targets)
grayscale_cam = grayscale_cam[0, :]

# 5. 可視化
visualization = show_cam_on_image(img_float, grayscale_cam, use_rgb=True)

plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.title(f"Original: {predicted_label}")
plt.imshow(rgb_img_resized)
plt.axis('off')

plt.subplot(1, 2, 2)
plt.title(f"Grad-CAM Heatmap ({predicted_label})")
plt.imshow(visualization)
plt.axis('off')
plt.show()