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