Diese Arbeit beschäftigt sich mit der Visualisierung von Bildklassifizierungsmodellen, die mithilfe tiefer Faltungsnetze (ConvNets) gelernt wurden. Wir betrachten zwei Visualisierungstechniken, die auf der Berechnung des Gradienten des Klassenscores bezüglich des Eingabebildes basieren. Die erste Methode generiert ein Bild, das den Klassenscore maximiert [Erhan et al., 2009], wodurch das von einem ConvNet erfasste Konzept einer Klasse visualisiert wird. Die zweite Technik berechnet eine Klassensalientkarte, die spezifisch für ein gegebenes Bild und eine bestimmte Klasse ist. Wir zeigen, dass solche Karten zur schwach überwachten Objektsegmentierung unter Verwendung von Klassifizierungs-ConvNets eingesetzt werden können. Schließlich stellen wir die Verbindung zwischen den auf Gradienten basierenden Visualisierungsmethoden für ConvNets und Deconvolutionsnetze [Zeiler et al., 2013] her.