Обучение глубоких признаков для дискриминативной локализации

В этой работе мы вновь рассматриваем слой глобального среднего пулинга, предложенный в [13], и показываем, как он явно обеспечивает сверточной нейронной сети (CNN) выдающуюся способность к локализации, несмотря на обучение по меткам на уровне изображений. Хотя эта техника ранее предлагалась как средство регуляризации обучения, мы обнаруживаем, что она фактически формирует универсальное локализуемое глубокое представление, которое выявляет неявное внимание CNN к изображению. Несмотря на кажущуюся простоту глобального среднего пулинга, нам удалось достичь 37.1% ошибки top-5 для задач локализации объектов на ILSVRC 2014 без обучения на каких-либо аннотациях ограничивающих рамок. В ряде экспериментов мы демонстрируем, что наша сеть способна локализовать дискриминативные области изображения, хотя обучалась исключительно для задачи классификации.