CAM目标定位

论文：Learning Deep Features for Discriminative Localization

CAM目标定位

• 简介
• CAM

简介

CAM全称class activation maps，该技术能让做了分类训练的CNN既能对图片进行分类，又能定位特定类别的图片区域。

CAM

生成类**图（class activation maps）的流程如下：

使用类似于network in network，GoogLeNet的网络架构，网络主要由卷积层组成，在最终输出层（分类时为softmax）之前，在卷积特征图上使用全局平均池化，并将其用作产生所需输出的完全连接层的特征。

对于全连接层来讲：

其中：

• $f_k$fk​ 表示最后一个卷积层在 $(x,y)处$(x,y)处 的第 $k$k 个单元（channel）的**值
• $w_k^c$wkc​ 是第 $k$k 个单元对于类 $c$c 的权重

因此，对于类 $c$c， $S_c$Sc​ 就是 $softmax$softmax 层的输入，预测值 $P_c = \frac{exp(S_c)}{\sum_c exp(S_c)}$Pc​=∑c​exp(Sc​)exp(Sc​)​

定义 $M_c$Mc​ 是类 $c$c 的CAM：

类**图就是 $f_k$fk​ 在不同 $k$k （channel）处的加权线性和，通过简单地将类**图向上采样到输入图像的大小，我们可以识别与特定类别最相关的图像区域。

图四可以看出不同类别的区分区域在相同的图像上也是不同的。

Global average pooling (GAP) vs global max pooling (GMP): 与GMP相比，GAP-loss鼓励网络识别对象的范围，而GMP只鼓励识别一个有区别的部分.