作者: 19届 lz
论文:《Improved Visual Explanations for Deep Convolutional Networks》
Pre-knowledge
Pre-knowledge
针对现有方法的不足 Grad-CAM++的改进
如果对象不存在则输出 0,如果存在则输出 1。
![在这里插入图片描述](https://img-blog.csdnimg.cn/8204adb2e40a4852a6e882d4bd290888.png)
通过显式编码权重 wckas 的结构来重新制定 Eqn 3
Grad-CAM++的主要的改动是在对应分类的特征映射的权重表示中加入了relu函数和权重梯度 阿尔法 :
![在这里插入图片描述](https://img-blog.csdnimg.cn/3b06edce686a4410adf7ad2f96ee583a.png)
最终结果
![在这里插入图片描述](https://img-blog.csdnimg.cn/b4eecbacecad4bbf9c142ffb95496ec5.png)
下面是CAM、Grad-CAM、GradCAM++ 这三种方法的概述及其各自的计算表达式。
![在这里插入图片描述](https://img-blog.csdnimg.cn/3cfd490bdfc349e0be86ea8215f872d1.png)
待更新