CAM(Class Activation Map)(作成中)




CAM(CNNの特徴の可視化を含めて)

CAM(Class Activation Map)は、画像分類等において、クラスが画像のどの領域に注目しているのかを可視化する手法です。

saliency mapとか言われたりする

リンク集

CAMの手法まとめ

CAM

2015年の”Learning Deep Features for Discriminative Localization”が、CAM(Class Activation Map)の代表的な手法の始まりだと思います。

Bolei Zhou, Aditya Khosla, Agata Lapedriza, Aude Oliva, Antonio Torralba(2015). Learning Deep Features for Discriminative Localization

Grad-CAM

CAMの派生です。

Ramprasaath R. Selvaraju, Michael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh, Dhruv Batra(2016). Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization.

https://betashort-lab.com/データサイエンス/ディープラーニング/grad-cam/

Guided Grad-CAM

Grad-CAMとGuided Backpropagationを組み合わせた手法です。

Grad-CAMの論文で、Grad-CAMと共に提案されました。

Ramprasaath R. Selvaraju, Michael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh, Dhruv Batra(2016). Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization.

https://betashort-lab.com/データサイエンス/ディープラーニング/grad-cam/

Guided BaskPropagation

Jost Tobias Springenberg, Alexey Dosovitskiy, Thomas Brox, Martin Riedmiller(2014). Striving for Simplicity: The All Convolutional Net.

Smooth Grad

Daniel Smilkov, Nikhil Thorat, Been Kim, Fernanda Viégas, Martin Wattenberg(2017). SmoothGrad: removing noise by adding noise

参考

2019年までのCAM(Class Activation Map)まとめ - Qiita
はじめに この記事は,一応「Deep Learning論文紹介 Advent Calendar 2019」の12/20に投稿する予定だったものですが,ずれにずれた結果,2019年のギリギリになって焦って今頃焦って投稿したものです...
ディープラーニングの判断根拠を理解する手法 - Qiita
ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということ...
タイトルとURLをコピーしました