🔬 Herramienta interactiva
Explorador de Mapas de Activación
Observa qué aprende cada capa de una red neuronal convolucional. Compara cómo VGG-16, ResNet-50, EfficientNet-B0 y MobileNetV2 extraen características a diferentes profundidades — desde bordes simples hasta conceptos semánticos complejos. Visualiza feature maps, GradCAM y predicciones en tiempo real.
Configuración
Imagen original + Activación media
Feature Maps — Top 8 canales con mayor activación
Click en un feature map para verlo ampliado · Los canales están ordenados por activación media
¿Qué estás viendo? Cada feature map es la salida de un filtro convolucional.
Las capas tempranas detectan bordes y texturas, mientras que las capas
profundas capturan partes de objetos y conceptos semánticos.
La activación media muestra las regiones de la imagen que más "encienden" esa capa.
GradCAM configuración
GradCAM (Gradient-weighted Class Activation Mapping) muestra qué
regiones de la imagen son más relevantes para la predicción del modelo.
Usa los gradientes de la clase predicha respecto a los feature maps de la capa seleccionada.
GradCAM — …
GradCAM en todas las capas — Evolución de la atención
De izquierda a derecha: capas superficiales → profundas · Observa cómo la atención se refina
Configuración de comparación
¿Qué comparar? Observa cómo diferentes arquitecturas "miran" la misma imagen.
VGG-16 tiene capas uniformes; ResNet-50 usa residuales;
EfficientNet escala ancho/profundidad/resolución; MobileNetV2
usa convoluciones separables. Cada una encuentra patrones distintos.