本文探讨了基于深度卷积网络（ConvNets）训练的图像分类模型的可视化方法。我们研究了两种基于输入图像与类别得分之间梯度计算的可视化技术。第一种方法生成一幅图像，该图像能够最大化特定类别的得分 [Erhan 等，2009]，从而可视化卷积网络所捕捉到的类别概念。第二种技术则针对特定图像和类别生成类显著性图（class saliency map）。我们证明，此类显著性图可用于利用分类型卷积网络实现弱监督下的目标分割。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（deconvolutional networks）[Zeiler 等，2013]之间的联系。