面向CNN的类激活映射算法研究AET-电子技术应用-最丰富的电子设计资源平台

面向CNN的类激活映射算法研究
所属分类：技术论文
上传者：zhoubin333
文档大小：952 K
标签：类激活映射卷积神经网络可视化
所需积分：0分积分不够怎么办？
文档介绍：类激活映射(CAM)是卷积神经网络(CNN)解释中的一种直观的方法，通常由CNN的最后一个卷积层生成，可以突出显示输入图片中目标类的不同区域。之前的CAM方法只依赖于最后的卷积层，生成的解释图只能显示模糊的物体位置信息。提出了一种新的方法即分层加权类激活映射方案(SL-CAM)，通过加权合并CNN浅层到深层的信息来生成类激活图。由浅层特征图及其对应的梯度生成的激活图包含详细、准确但噪声大的位置信息；而由深层特征图生成的激活图包含噪声少但模糊的位置信息。在LSVRC2012 Val上的实验表明，SL-CAM多项指标上均优于Grad-CAM、Grad-CAM++和Score-CAM。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动