3.由于在cls框架上的逐层relu和pooling将location信息筛选出来，使得非监督的seg和det成为可能
5.更早期的vanilla gradient based方法，也进行了不少探索，show了一些可观的结果，包括seg
4.需要说明细节/略过
para3
para1
2.The state-of-the-art的seg和det框架有监督时在其任务中已取得很好的结果
para2
4.SEC等方法在loc基础上约束loss得到可观seg结果以及aaai2017借助superpixel得到结果的
1.We believe that，神经网络分类模型的输入到输出的映射应该遵循某种流形的规则。EDJM证明了EDJM的频谱high related with 模型的表达能力。
2.例如cam提出...
3.grad-cam实现无需retrain模型的简单方法
3.Step1) filter selection by computing the gradient from loss to feature layerStep2) Compute gradient from selected feature to model input
LengBingQi
2.Motivted by EJDM考虑用selected feature map对输入进行梯度建模。We realize the idea by 2 steps.
1.深度卷积神经网络在不同任务上取得较好进展，比如cls，segmantation，detection.
4.模型可解释性的近期实验结果也显示了以上的可能性
