深入卷积网络：可视化图像分类模型和显著性图谱

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方法。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。第一种技术生成一幅最大化类别得分的图像，从而可视化由卷积网络捕捉到的类别概念 [Erhan 等，2009]。第二种技术则计算特定图像和类别的类别显著性图。我们展示了这些显著性图可以用于基于分类卷积网络的弱监督物体分割。最后，我们建立了基于梯度的卷积网络可视化方法与反卷积网络 [Zeiler 等，2013] 之间的联系。