Grad-CAM 和 CAM

CAM，即class activation map，类别响应图。grad的意思是梯度。

二者都是为了可视化：特征图对于某一类别的响应情况（特征图每一个位置对于指定类别的响应值）。

CAM只是Grad-CAM的一种特例：在最后一个特征图之后使用全局平均池化和一个线性层做分类。这种特定场景下，计算最后一层的特征图上的类别相应图。这个在Grad-CAM原文中有严格的证明。虽然这说明Grad-CAM可以在任意层特征图上计算类别响应图，但作者也指出，在浅层的特征图上计算grad-cam效果并不好，可能是因为浅层特征感受野不够，语义比较简单。

具体做法：

（1）CAM. 利用线性分类器对应于某一特定类别得分的权重（K维权值向量），对最后一层特征图的K个channel做加权平均，取ReLU，min-max normalize，进而得到只有1个channel的响应图。

（2）Grad-CAM. 利用指定类别输出得分对任意指定特征图的每个channel上的各个像素点的偏导数值，通过全局平均池化计算每个channel的权重，再加权平均，取ReLU，min-max normalize。

 

 

参考文献

[1] Zhou, Bolei, et al. "Learning deep features for discriminative localization." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016.

[2] Selvaraju, Ramprasaath R., et al. "Grad-cam: Visual explanations from deep networks via gradient-based localization." Proceedings of the IEEE International Conference on Computer Vision. 2017.