面向CNN的類激活映射算法研究
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>952 K
標(biāo)簽： 類激活映射 卷積神經(jīng)網(wǎng)絡(luò) 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(jīng)網(wǎng)絡(luò)(CNN)解釋中的一種直觀的方法，通常由CNN的最后一個(gè)卷積層生成,，可以突出顯示輸入圖片中目標(biāo)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(quán)類激活映射方案(SL-CAM),，通過(guò)加權(quán)合并CNN淺層到深層的信息來(lái)生成類激活圖,。由淺層特征圖及其對(duì)應(yīng)的梯度生成的激活圖包含詳細(xì)、準(zhǔn)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(shí)驗(yàn)表明，SL-CAM多項(xiàng)指標(biāo)上均優(yōu)于Grad-CAM,、Grad-CAM++和Score-CAM,。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分,。