今天，當科學家們在談論人工智能時，通常在說：這是一門創造機器的藝術，也就是機器所執行的功能在人類執行時需要智能。揭開大腦功能的基本原理，並且創造一個真正的智能機器是現代科學家一直致力於在做的。
但是，目前來說，深度學習雖然帶來了如此讓人振奮的消息，但是深度學習模型仍然被認爲是一個黑匣子，但其實卷積神經網絡學習到的表示非常適合可視化，這得益於卷積神經網絡是基於視覺概念的表示。
MIT的一項工作闡明瞭，全局平均池化層如何使卷積神經網絡僅在圖像標籤上訓練，卻具有顯著的定位能力。通過這項工作的原理理解和代碼實戰，有助於我們理解卷積神經網絡的特徵、注意力機制以及可優化的方向。進而去更好地選擇或設計網絡。
如果參考CAM對網絡提出更高要求，不但要求預測準確率高，還需要網絡提取到需要的特徵。那麼，如何利用可視化的信息引導網絡更好的學習？如何利用CAM信息通過"擦除"或""裁剪""的方式對數據進行增強？如何利用CAM作爲原始的種子，進行弱監督語義分割或弱監督定位。
推薦大家一門公開課，由中國科學院大學博士賈老師爲大家帶來《CNN的解密卡：特徵可視化技術》課程，使用可視化技術演示卷積神經網絡的原理，以及CAM論文的設計思路和效果，讓你學習卷積神經網絡的特徵可視化技術。
8月9日，晚19點30分
現在特惠0元搶
趕快報名參加吧
掃描下方二維碼
動動小手，就學到了知識
還在等什麼
還能免費領取CV學習資料
（文末查看資料詳情）
本次課程賈老師在深度學習上頗有建樹。
賈老師，清華大學本科，中國科學院大學博士，美國西北太平洋國家實驗室公派訪學，研究方向爲數據挖掘與自動化分析算法研究，深度學習與圖像檢測，少樣本學習等。
▷ 課程主題：特徵可視化技術
1、學習到特徵可視化技術，領會打開卷積神經網絡“盲盒”的正確姿勢；
2、卷積神經網絡的基本原理以及結構詳解；
3、詳解特徵可視化技術對卷積層有哪些作用；
4、類別激活映射原理及代碼實戰；
5、卷積注意力機制的可視化解釋；
6、CAM論文講解與深度解析。
現在報名還能免費領取一份CV學習資料，這7份卷積神經網絡論文，都是CV學習的經典學習資料。
CV，也就是計算機視覺，是AI領域中的一個重要方向，也是衆多算法工程師想要從事的行業之一，本次的資料是CV經典論文，避免你獨自搜索收集的煩惱。
現在報名本次公開課，就可以全部送給你，趕快報名添加顧問領取吧。
8月9日，晚19點30分上課
現在特惠0元
趕快報名參加吧
掃描下方二維碼
還能免費資料禮包領取喲
動動小手，就學到了知識
還在等什麼
本文分享自微信公衆號 - AI算法與圖像處理（AI_study）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。