2014-Learning Deep Features for Discriminative Localization

论文的方法能干什么？

1、可视化CNN网络的重要区域，提供一种可解释性视角。

2、弱监督物体识别（物体定位）。
image.pngimage.png

论文的方法是什么？

论文的核心是 使用CAM替换CNN网络原有的 pooling+FC结构。通过CAM的值，可以得到图片的区域“信号强度”（值越大，越重要）。
image.png
CAM结构：特征图的加权。
image.png

FAQ?

1、global avg pooling 和 global max pooling 都具有物体定位的能力。
avg能够识别重要的区域，所有区域对loss有贡献；max识别的是点。

2、直接使用fc ，通过reshape之后，能不能得到cam类似的效果?
猜测不能。不变性？？？

3、方法有什么局限性？==》改进 Grad-CAM
cam 与 softmax直接连接，限制了网络结构的多样化，牺牲部分model performance（如下图实验结果）。
image.png