[논문 읽기] Grad-CAM, Visual Explanations from Deep Networks via Gradient-based Localization

Grad-CAM, Visual Explanations from Deep Networks via Gradient-based Localization

 

 

 

 feature map에 가해주는 weight를 계산하는 방법이 CAM과 다르다. CAM은 global average pooling을 적용해 얻은 값에 softmax를 취해 가중치를 얻고, conv 마지막 layer 피쳐맵에 곱해 activation map을 얻었었다.

 

 Grad-CAM은 gradients의 값을 활용하여 weight를 계산한다.

 

 

 카테고리가 주어지면 backpropagation을 통해 feature map에 가해지는 gradient가 높다면 해당 카테고리에 높은 영향력을 미친다는 가정인듯?

 

 

 계산한 weight와 feture map을 곱한 뒤에 ReLU 연산을 통해 positive 값만 activation map으로 활용한다.

 

 

 

GitHub - Seonghoon-Yu/AI_Paper_Review: 까먹으면 다시 보려고 정리합니다.