深入卷积网络内部：可视化图像分类模型与显著性图
计算机视觉与模式识别
2014-04-22 v2
摘要
本文探讨了使用深度卷积网络（ConvNets）学习的图像分类模型的可视化问题。我们考虑了两种基于计算类别得分相对于输入图像梯度的可视化技术。第一种技术生成最大化类别得分的图像 [Erhan et al., 2009]，从而可视化 ConvNet 所捕捉的类别概念。第二种技术计算特定于给定图像和类别的类别显著性图。我们表明，此类图可用于利用分类 ConvNets 进行弱监督对象分割。最后，我们建立了基于梯度的 ConvNet 可视化方法与反卷积网络 [Zeiler et al., 2013] 之间的联系。
引用
@article{arxiv.1312.6034,
title = {Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps},
author = {Karen Simonyan and Andrea Vedaldi and Andrew Zisserman},
journal= {arXiv preprint arXiv:1312.6034},
year = {2014}
}