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
相關文章
相關標籤/搜索