Learning Deep Features for Discriminative Localization

Class Activation MappingCAM生成 實驗結果 分類 定位 細粒度識別 參考文獻 NIN[2]提出的全局平均池化（Global Average Pooling， GAP），代替如AlexNet和VGG中出現的含大量參數的的全連接層（FC6、FC7），能起到防止過擬合、提高泛化能力的作用。而且相對於FC層， GAP對空間平移更魯棒， 可解釋性也更強。除了上述優點， 本文提出另一

>>阅读原文<<