这是2016年CVPR上的一篇文章。对后来的弱监督学习的研究有很大的启发。这篇文章非常简单，主要是通过一系列的实验，证明了两个结论：1）CNN提取的feature含有位置信息，尽管我们在训练的时候并没有标记位置信息；2）这些位置信息，可以转移到其他的认知任务当中。
首先，我想给大家先科普一下global average pooling(GAP)
我们都知道，一个卷积神经网络中都有很多卷积层，一般情况下都是 “卷积(可以多个)--池化” 这种的组合，而卷积层有 通道(channel)，卷积核(kernel)的宽、高这些参数，故而每个卷积层都将有个数为 channel 多个的输出，这些输出都有一个宽和高，我们将这个输出叫做(feature map)，现在我们只需将池化的核大小设为这些输出的宽和高即可，那么得到的就是一个个的数对吧，共有该卷积层的number of channel 这么多个。
就是说我们看到下图GAP的左右，左边的蓝红绿那个feature map是在其左边那个最小的卷积层做了上采样得到的输出(feature map)，一共有N个(N = number of channel)，我们对其做全局平均池化(global average pooling)，就是将蓝色的那个feature map做一下均值得到一个结果，当然你也可以做GMP，就是将最大值作为输出，这个结果就是箭头右边的蓝色圆圈
好了言归正传，我们知道，在用神经网络来做分类的时候，一个模型往往都是多个 “卷积(可以多个)--池化” 后接全连接，那么现在，我们用同样的方式，最后面来一个全连接吧，神经元个数就是你要分类的类别数量，好了，这就可以训练了，完了就会得到你想要的结果。
这时候啊，该论文作者就想了，GAP不仅仅是一个regularizer啊，你想想看，貌似它还可以将卷积层的定位能力一直延伸到最后一层，那我们是不是可以以此将feature map上那些比较惹人注意的地方区分出来呢，答案是可以的，就比如上图，我问你那人手里是狗还是猫时，你看的哪儿呢？显然，你会更加注意狗，我们说这一块具有区分性(discriminative)的区域激活值就比较大，
现在，作者开始了，构建了一个上述的结构，在全连接前加了一个GAP层，其他和普通网络一样，假设你分类出了某个输入是一个类别，比如是狗吧，最后的第二个神经元得出的结果最大，那么我们就取出GAP和它连起来的weight，然后用此weight我们去和GAP之前颜色为蓝绿红那个feature map做一下加权平均，最终就得到了我们所说的类激活映射图(Class Activation Map)，但是这儿我们拿到的Class Activation Map是这条狗的啊，但是有些花痴觉得那个男孩儿长的挺不错的，那她们肯定注意更多的反而是这个男孩儿对吧，怎么办呢？一样的嘛，你把分类男孩儿那个神经元的weight抓出来加权平均不就完了，像这样：
你看看吧，对于palace，我们更多的就是去看的建筑本身的轮廓和城墙上的结构，比如窗户啊啥的，但是对于church，那我们就关注那个尖尖的建筑了。
总结一下吧，其实神经网络中每个神经元看到的东西都是不一样的，它们分工明确，有的检测的是比如边缘、角点这种低级的视觉特征，有的则负责检测物体、场景这种比较高端的，最终它们把这些综合一下就得到了分类结果。我们可以把最后一个卷积层看成是一个词典。每一张feature map对应检测输入中的一个单词，如果有，就在对应位置有高的激活值。后面的全连接层其实就是利用这个词典进行分类。比如对于自行车分类器，他对于车轮，车把，车座这三个单词会赋予高的权值，对其他的单词权值很低，那么当他检测到输入图片的词向量在车轮，车把，车座这三个单词的置信度很高的时候，就会把这张图判断成自行车。
但就这个文章而言，其弊端还是比较明显的，比如我有下面这个图
你注意到的是花还是鸟呢？
如果我们并未对花进行分类，那你将取哪个神经元的weight作为你CMP加权平均的weight呢？
参考：https://zhuanlan.zhihu.com/p/27587399
http://blog.csdn.net/yaoqi_isee/article/details/62214648
