中间隔了一天,但是我也有看英语论文的。而且我发现自己有变化了,并且我很喜欢这种变化。以前我看论文总是喜欢扫看,但是英语不行,所以看英语论文的时候,我感觉自己变得沉静了。
还有一点,我不排斥英文论文了。遇到英文的文字,也很自然地开始读了起来。(此处插入一个女大学生欣慰的笑容~~)
进入正文:Grad-CAM也是很经典的方法啦~
不过我要改改笔记方法,写得好的原文我就在我论文里标记好了。这里只写自己的理解。
Abstract
2.我们的可视化可以:
1.适用范围广:不需要改变结构以及重新训练。
2.提供洞察一些CNN模型的失效模式(显示,看似不合理的预测的合理解释),以及CNN+LSTM在区分图像区域上表现很好。
3.通过发现数据集的偏差,诊断故障模型。
4.模型决策的文本解释
5.帮助未经训练的用户成功地区分“更强”的网络和“更弱”的网络,即使两者做出的预测完全相同。
6.弱监督定位,就是说fast-scnn、ssd、yolo-v3这些模型用于目标检测,但是都是用标注数据集做的,但是这种激活图的方法也可以框出目标大概的位置,在CAM的论文里讲了这一点,并且作者还做了实验,虽然效果比强监督的差一些,但是也很好了。
一个“良好”的视觉解释,从模型中证明任何目标类别应该具有:
(a)类区分性(即在图像中定位类别)
(b)高分辨率(即捕捉细粒度的细节)
<