32. Class Activation Mapping (CAM)
• CNNの推論において反応した領域をヒートマップとして可視化
• 畳み込み層のみで構築したCNN + Global Average Poolingを使用
32
Conv.1_1
Conv.1_2
Conv.2_1
Conv.2_2
Conv.3_1
Conv.3_2
Conv.3_3
Conv.4_1
Conv.4_2
Conv.4_3
Conv.5_1
Conv.5_2
Conv.5_3
Global average pooling
Output
…
Average
Average
Average
Feature map
w1 w2 w3× × ×+ + + ・・・ =
Class activation mapping
Attention map
…
…
…
Australian terrier
w1
w2
w3
B. Zhou, “Learning Deep Features for Discriminative Localization”, CVPR2016
34. Class Activation Mappingの問題点
ImageNet Dataset (validation)の比較結果
• GAPを通過して推論するため識別性能が低下
34
B. Zhou, “Learning Deep Features for Discriminative Localization”, CVPR2016