面向CNN的类激活映射算法研究

• 作者: 杨继增 关胜晓
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 类激活映射 卷积神经网络 可视化
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2022.01.010

摘要

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.