本文是由来自于卡内基梅隆大学、德州农工大学、武汉大学的研究人员共同提出的一种基于置信分数的视觉可解释性方法，目前论文被CVPRW 2020接收，代码已开源。本主要关于一种基于置信分数的视觉可解释性方法。本文的亮点在于：在CAM系列方法的基础上，首次提出了一种新的gradient-free的权重表达方式。
- 论文标题： Score-CAM:Score-Weighted Visual Explanations for Convolutional Neural Networks
- 官方代码：https://github.com/haofanwang/Score-CAM
感兴趣的可以戳链接。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢