這篇文章有兩個重要概念：

1.弱監督物體定位（Weakly-supervised object localization）

2.可視化卷積神經網絡

文章的作法是，將最后一個卷積層的輸出做一個加權融合，那么這個加權融合的權從何來呢，主要是利用全局池化策略，將一個（N，C，W，H）的特征圖FM池化為T,（N，C，1，1）進一步變為T1,（N，C）即可做全連接操作。全連接層的參數形式為(C，num_class)，我們所要的權即為被劃分的類別所對應的參數L,（C,1），然后與特征圖（N，C，W，H）加權融合得到我們的CAM（class activation maps）。想了解更多細節的朋友可以參看原文。

原文鏈接：https://arxiv.org/abs/1512.04150

也可以參閱一些原文翻譯博客：

https://www.jianshu.com/p/1a207e7ca460

總結

以上是生活随笔為你收集整理的记录之Learning Deep Features for Discriminative Localization阅读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。