模型在训练的时候,为了探明模型到底学到了什么特征,是否是我们期望的,或者模型是否学到了“作弊”的信息,这就需要对模型进行可视化,CAM是一种对模型特征可视化的技术。
对一个深层的卷积神经网络而言,通过多次卷积和池化以后,它的最后一层卷积层包含了最丰富的空间和语义信息,其中所包含的信息都是人类难以理解的,CAM可以将特征转化为可解释的信息,通过热力图的形式展示模型对数据的理解方式。
原始论文:《Learning Deep Features for Discriminative Localization》
实现是容易的,但这种方法为何合理,为何仅对 GAP 层可用需要进一步讨论
那么此种结构的 CAM 则会难以起作用 如果将 GAP 层替换为 GMP 层,则由于 GMP 层并不是线性操作
file:///C:/Users/issuser/Downloads/20220224160336.pdf