如何通过grad_cam对人脸的嘴部区域进行可视化？(语言-python)

问题遇到的现象和发生背景

我想要用grad_cam实现对人脸的嘴部区域进行可视化的demo，使其效果如下图所示，

然后我目前的代码运行后可以达到第一行的效果（如下图）：

我的问题是我该如何实现第一张图中后面两类图像的效果！！

问题相关代码，请勿粘贴截图

以下是我的运行代码

import os
import numpy as np
import torch
from PIL import Image
import matplotlib.pyplot as plt
from torchvision import models
from torchvision import transforms
from utils import GradCAM, show_cam_on_image, center_crop_img


# 遍历文件夹
def getFileList(dir, Filelist, ext=None):
    """
    获取文件夹及其子文件夹中文件列表
    输入 dir：文件夹根目录
    输入 ext: 扩展名
    返回： 文件路径列表
    """
    # newDir = dir
    if os.path.isfile(dir):
        if ext is None:
            Filelist.append(dir)
        else:
            if ext in dir[-3:]:
                Filelist.append(dir)

    elif os.path.isdir(dir):
        for s in os.listdir(dir):
            newDir = os.path.join(dir, s)
            getFileList(newDir, Filelist, ext)

    return Filelist


if __name__ == '__main__':
    model = models.resnet18(pretrained=False)
    pth_file = './lrw_resnet18_mstcn.pth.tar'
    model.load_state_dict(torch.load(pth_file, map_location='cpu'), strict=False)
    target_layers = [model.layer1]

    data_transform = transforms.Compose([transforms.ToTensor(),
                                         transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])
    # load image
    org_img_folder = '.\\frame'
    imglist = getFileList(org_img_folder, [], 'jpg')
    for img_path in imglist:
        # img_path = "55.jpg"
        assert os.path.exists(img_path), "file: '{}' dose not exist.".format(img_path)
        img = Image.open(img_path).convert('RGB')
        img = np.array(img, dtype=np.uint8)
        # img = center_crop_img(img, 224)

        # [C, H, W]
        img_tensor = data_transform(img)
        # expand batch dimension
        # [C, H, W] -> [N, C, H, W]
        input_tensor = torch.unsqueeze(img_tensor, dim=0)

        cam = GradCAM(model=model, target_layers=target_layers, use_cuda=False)
        target_category = None  # tabby, tabby cat 281
        # target_category = 254  # pug, pug-dog
        # print(target_category)
        grayscale_cam = cam(input_tensor=input_tensor, target_category=target_category)

        grayscale_cam = grayscale_cam[0, :]
        visualization = show_cam_on_image(img.astype(dtype=np.float32) / 255.,
                                          grayscale_cam,
                                          use_rgb=True)
        plt.imshow(visualization)
        plt.show()

还有一个代码是https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_classification/grad_cam中的utils.py文件。

我的解答思路和尝试过的方法

有试过分别提取resnet18中的前面三层的特征计算cam进行输出，但效果也很差，如下图就是提取layer1中的特征计算cam的可视化图（将target_layers那里改成layer1)

我想要达到的结果

所以最后感谢提供帮助的各位，教教我如何达到第一张图片中后面两类图像的的热图效果！