面向CNN的類激活映射算法研究
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>952 K
標簽： 類激活映射 卷積神經網絡 可視化
所需積分：0分積分不夠怎么辦？
文檔介紹：類激活映射(CAM)是卷積神經網絡(CNN)解釋中的一種直觀的方法，通常由CNN的最后一個卷積層生成，可以突出顯示輸入圖片中目標類的不同區(qū)域。之前的CAM方法只依賴于最后的卷積層，生成的解釋圖只能顯示模糊的物體位置信息。提出了一種新的方法即分層加權類激活映射方案(SL-CAM)，通過加權合并CNN淺層到深層的信息來生成類激活圖。由淺層特征圖及其對應的梯度生成的激活圖包含詳細、準確但噪聲大的位置信息；而由深層特征圖生成的激活圖包含噪聲少但模糊的位置信息。在LSVRC2012 Val上的實驗表明，SL-CAM多項指標上均優(yōu)于Grad-CAM、Grad-CAM++和Score-CAM。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。