這篇文章有兩個(gè)重要概念：

1.弱監(jiān)督物體定位（Weakly-supervised object localization）

2.可視化卷積神經(jīng)網(wǎng)絡(luò)

文章的作法是，將最后一個(gè)卷積層的輸出做一個(gè)加權(quán)融合，那么這個(gè)加權(quán)融合的權(quán)從何來呢，主要是利用全局池化策略，將一個(gè)（N，C，W，H）的特征圖FM池化為T,（N，C，1，1）進(jìn)一步變?yōu)門1,（N，C）即可做全連接操作。全連接層的參數(shù)形式為(C，num_class)，我們所要的權(quán)即為被劃分的類別所對(duì)應(yīng)的參數(shù)L,（C,1），然后與特征圖（N，C，W，H）加權(quán)融合得到我們的CAM（class activation maps）。想了解更多細(xì)節(jié)的朋友可以參看原文。

原文鏈接：https://arxiv.org/abs/1512.04150

也可以參閱一些原文翻譯博客：

https://www.jianshu.com/p/1a207e7ca460

總結(jié)

以上是生活随笔為你收集整理的记录之Learning Deep Features for Discriminative Localization阅读的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。