论文笔记:Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization

字数 106阅读 788

ICCV 2017
周博磊的那篇文章,CAM(上一篇)需要使用到GLobal average pooling,如果原model用的是FC,要对model进行修改,有局限性。对CAM的改进。
用梯度的全局均值来代替,这样的话,可扩展,不仅FC里面可以直接用,还可以用来可视化问答系统之类的。



方法:



grad-CAM:
取最后一层的卷积,算每个feature map 的梯度,然后对每个feature map 的梯度求全局平均,然后把这个全局的平均,乘回原来的feature map。
guided-反向传播:
和普通的反向传播不一样,普通的是,之前前向传播的时候>0的位置的梯度传回去,guided加一个条件,且梯度>0的位置才回传。

实现: