这里我们简单看下Image Classification任务,首先网络进行正向传播,得到特征层 A A A(一般指的是最后一个卷积层的输出)和网络预测值 y y y(注意,这里指的是softmax激活之前的数值)。假设我们想看下网络针对Tiger Cat这个类别的感兴趣区域,假设网络针对Tiger Cat类别的预测值为 y c y^c yc。接着对 y c y^c...
原作说,加权梯度类激活映射 (Grad-CAM),通过任意目标概念的梯度(比如说“狗”的数据表示甚至是“狗”这个字),将这些知识传递到最后的卷积层进而产生一张粗略的定位图,用于凸显图像中对于预测相关概念至关重要的区域。 通俗点讲,我们只取最终的卷积层的 feature map ,然后将该特征中的每个通道通过与该通道相关的类...