这篇论文探讨了弱监督物体定位问题，研究了CNN为何能在图像分类任务中实现定位，并提出使用Global Average Pooling（GAP）生成Class Activation Mapping（CAM），以识别关键区域。实验表明，GAP在图像定位任务上优于Global Max Pooling，且通过CAM技术可以改进图像定位能力，同时揭示了不同特征通道在分类中的重要性。
一、这篇论文解决什么问题
原始问题：Weakly-supervised object localization，研究发现，图像分类任务上训练的CNN，可以直接用于物体定位
两个子问题：
- CNN具有这种能力的原因是什么
- 如何改进，可以更好地解决Weakly-supervised object localization
本文研究以上问题的核心手段：利用GAP（Global Average Pooling）生成CAM（Class Activation Mapping）
二、相关工作及局限性
Weakly-supervised object localization
遮挡法、用很多重叠的图块多次预测：不是end-to-end的模型，需要多次前向计算
GMP（Global Max Pooling）：找到边缘的点而不是区域内的点，区域内的点无论怎么变化都不会起作用，而GAP不同，关键区域内的点都有影响
Visualizing CNNs
有的工作只分析了卷积层，并没有分析全连接层
有的工作分析了语义编码，但并没有分析具体不同特征的重要程度
三、CAM技术
CNN具有这种能力的原因是什么：通过CAM技术找出影响图像分类的关键区域
如何利用GAP进行预测（计算各类别的分数）：
最低0.47元/天 解锁文章
扫一扫
3791
到【灌水乐园】发言
