Learning Deep Features for Discriminative Localization

NIN[2]提出的全局平均池化（Global Average Pooling， GAP），代替如AlexNet和VGG中出现的含大量参数的的全连接层（FC6、FC7），能起到防止过拟合、提高泛化能力的作用。而且相对于FC层， GAP对空间平移更鲁棒， 可解释性也更强。除了上述优点， 本文提出另一观点，GAP能有效地定位感兴趣的物体位置。

Class Activation Mapping（CAM）生成

设fk(x,y)是最后一层卷积层第k个通道位于(x,y)处的激活值， Fk=∑x,yfk(x,y)是GAP后第k个通道的结果。则对于给定类c，Softmax的输入Sc=∑kwckFk，其中wck对应类c及通道k的权重系数。综上，有

Sc=∑kwck∑x,yfk(x,y)

=∑x,y∑kwckfk(x,y)

设Mc(x,y)=∑kwckfk(x,y)， 则Mc(x,y)反应了(x,y)的激活值对于类c的重要程度。这样就得到了一个（7 * 7）的Class Activation Mapping，再将CAM放大到输入图片的大小与原图片叠加，就能获得最后的演示效果，如下图所示：

具体代码参考链接https://github.com/nicklhy/CAM/blob/master/cam.ipynb，不过其中一些mxnet用法已经过时了，需要自己修改。

实验结果

分类

定位

细粒度识别

参考文献

• 1：Learning Deep Features for Discriminative Localization
• 2：Network in network

未完待续