يُعالج هذا البحث تصور نماذج تصنيف الصور التي تُدرَّب باستخدام الشبكات العصبية التلافيفية العميقة (ConvNets). وننظر في تقنيتين لتوليد التصور، تعتمدان على حساب التدرج الخاص بقيمة الفئة بالنسبة للصورة المدخلة. الأولى تُنتج صورةً تُعدّل لتعظيم قيمة الفئة [Erhan et al., 2009]، وبالتالي تُظهر المفهوم المرتبط بالفئة، الذي تم اكتسابه بواسطة الشبكة التلافيفية العميقة. أما التقنية الثانية، فهي تُحسب خريطة تركيز (saliency map) مخصصة لصورة وفئة معينتين. ونُظهر أن هذه الخرائط يمكن استخدامها في تقسيم الكائنات بشكل ضعيف التدريب (weakly supervised object segmentation) باستخدام الشبكات التلافيفية المصنفة. وأخيرًا، نُربط بين أساليب التصور القائمة على التدرج في الشبكات التلافيفية العميقة والشبكات العكسية التلافيفية (deconvolutional networks) [Zeiler et al., 2013].