CAM可解释性分析-算法讲解

合集 · 可解释人工智能公开课 (9)

Description
同济子豪兄可解释人工智能公开课，包含人工智能可解释性分析、显著性分析领域的综述导论、经典论文精读、代码实战、前沿讲座。
Learning Deep Features for Discriminative Localization, CVPR2016
通过全局平均池化（GAP）层，获得指定类别对最后一层卷积层输出的每个特征图Channel的权重，进而计算CAM类激活热力图，展示指定类别在原图上重点关注的特征区域。并巧妙用图像分类实现弱监督定位。
打破深度学习的黑箱子，让人工智能展示自己的“注意力”和“学到的特征”，使得Machine Teaching成为可能。深入理解它，解释它、改进它，进而信赖它。知其然，也知其所以然。

论文集：https://readpaper.com/user/collect/638623946528292864
公众号 人工智能小技巧 回复 CAM 下载笔记pdf、扩展阅读、思考题