PyTorch版的YOLOv5是一个非常流行的基于深度学习的目标检测器。本课程使用Grad-CAM热力图可视化方法对YOLOv5进行热力图可视化，可以直观展示图像中哪些区域对物体类别分类贡献程度大。

Grad-CAM是一种CNN（卷积神经网络）可解释性的经典方法，与CAM（类激活图）相比，这种方法不需要对模型进行改动就可以生成热力图（heatmap），非常方便和灵活。

本课程在YOLOv5 v6.1版本代码的基础上增加了Grad-CAM热力图可视化方法，演示针对自己的数据集训练和进行Grad-CAM热力图可视化过程，还讲解了原代码针对Grad-CAM热力图可视化的所做的修改部分。

本课程分为原理篇、项目实战篇、代码讲解篇。

· 原理篇包括：Grad-CAM热力图可视化原理。

· 项目实战篇包括：PyTorch环境安装、YOLOv5项目安装、准备自己的数据集、修改配置文件、训练自己的数据集、Grad-CAM热力图可视化。

· 代码讲解篇包括：针对Grad-CAM热力图可视化具体修改的代码讲解。