这篇文章有两个重要概念：
1.弱监督物体定位（Weakly-supervised object localization）
2.可视化卷积神经网络
文章的作法是，将最后一个卷积层的输出做一个加权融合，那么这个加权融合的权从何来呢，主要是利用全局池化策略，将一个（N，C，W，H）的特征图FM池化为T,（N，C，1，1）进一步变为T1,（N，C）即可做全连接操作。全连接层的参数形式为(C，num_class)，我们所要的权即为被划分的类别所对应的参数L,（C,1），然后与特征图（N，C，W，H）加权融合得到我们的CAM（class activation maps）。想了解更多细节的朋友可以参看原文。
原文链接：https://arxiv.org/abs/1512.04150
也可以参阅一些原文翻译博客：
https://www.jianshu.com/p/1a207e7ca460
