분류와 위치의 연결
이미지 전체의 범주 레이블로 학습한 신경망에서도 위치 정보가 남아 있을 수 있다. CAM 연구는 전역 평균 풀링을 이용해 이 정보를 마지막 출력까지 연결하는 구조를 조사했다.
가중된 특징의 합
마지막 합성곱 특징 지도들을 해당 범주의 분류 가중치로 합한다. 이 합을 영상 크기로 확대하면 그 범주 판단에 관련된 위치를 볼 수 있다.
범주에 따른 차이
같은 이미지에서도 어떤 범주를 기준으로 삼는지에 따라 활성화 지도가 달라질 수 있다. 지도는 선택한 범주를 판별하는 영역을 보여주며 객체 전체의 정확한 마스크와 같은 것은 아니다.
위치 추정의 평가
원 연구는 ILSVRC 2014의 약한 감독 객체 위치 추정을 평가했다. 다른 인식 과제에서도 판별 영역을 찾는 표현의 활용 가능성을 조사했다.