adversarial_complementary_learning

具有预训练模型的对抗互补学习 弱监督学习使我们对深度神经网络的工作原理有一个有趣的了解。 最近，我发现了Zhang等人的一篇有趣的论文，该论文使用多个顺序分类器生成了更完整的类激活图。 我在PyTorch中实现了他们的方法，并添加了一些我自己的想法。 纸 张小林，魏云超，冯家石，杨怡，黄智超 本文建议的模型由作为特征提取器的backbone和按顺序排列的两个classifiers器组成。 这两个分类器由一个1x1 convolution layer和一个全局平均池层组成，该1x1 convolution layer将要素通道（即2048）缩小到标签大小为C（即4或5）的输出通道中。 然后，分类器使用1x1转换层的cth权重生成class activation map 。 类激活图揭示了给定图像中与目标标签有关的最有区别的区域。 ACoL将特征图的值大于delta的区域清零。 然后，将