本稿では、深層畳み込みネットワーク（ConvNet）を用いて学習された画像分類モデルの可視化について考察する。本研究では、入力画像に対してクラススコアの勾配を計算するに基づく2つの可視化手法を検討する。1つ目の手法は、クラススコアを最大化する画像を生成するものであり、ConvNetが捉えているクラスの概念を可視化するものである[Erhan et al., 2009]。2つ目の手法は、特定の画像およびクラスに対して特有のクラスサリエンシーマップを計算するものである。我々は、このようなマップが分類用ConvNetを用いて弱教師付きのオブジェクトセグメンテーションに活用可能であることを示す。さらに、勾配に基づくConvNet可視化手法とデコンボリューションネットワーク[Zeiler et al., 2013]との間の関係を明らかにする。