- 题目:Learning Deep Features for Discriminative Localization
- 时间:2016
- 会议:CVPR
- 研究机构:MIT
1 abstract
- 应用:神经网络的可解释性、弱监督的object localization
- 网络:VGG、GoogLeNet、Alexnet、SqueezeNet
- 数据集:ILSVRC
2 方法
网络结构:卷积层/池化层->全局池化层->1个全连接层->softmax
- Class Activation Mapping
3 实验
4 缺点
- 网络结构改变,权重需要重新训练
- 图片分类的精度下降
- 题目:Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
- 时间:2017
- 会议:ICCV
- 研究机构:佐治亚理工
1 abstract
应用:
- 神经网络的可解释性:图像分类、视觉问答visual question answering、 image captioning
- 弱监督的object localization
优点:
- 网络结构不需要改变
- 适用于多种应用
2 方法