깊은 합성곱 신경망: 이미지 분류 모델과 주요성 맵 시각화

본 논문은 깊은 합성곱 신경망(Convolutional Networks, ConvNets)을 사용하여 학습된 이미지 분류 모델의 시각화에 대해 다룹니다. 우리는 입력 이미지에 대한 클래스 점수의 그래디언트를 계산하는 두 가지 시각화 기법을 고려합니다. 첫 번째 기법은 클래스 점수를 최대화하는 이미지를 생성함으로써, ConvNet이 포착한 클래스의 개념을 시각화합니다 [Erhan 등, 2009]. 두 번째 기법은 주어진 이미지와 클래스에 특화된 클래스 살리엔시 맵(class saliency map)을 계산합니다. 우리는 이러한 맵이 분류용 ConvNet을 사용하여 약간 감독된 객체 세그멘테이션(weakly supervised object segmentation)에 활용될 수 있음을 보입니다. 마지막으로, 그래디언트 기반 ConvNet 시각화 방법과 디컨볼루셔널 네트워크(deconvolutional networks) [Zeiler 등, 2013] 사이의 관계를 확립합니다.