根據MIT的 Learning Deep Features for Discriminative Localization論文中的描述，在使用類響應圖class activation mapping (CAM) 對比全局平均池化Global average pooling (GAP) vs 全局最大池化global max pooling (GMP):
類響應圖示例：
圖中高亮區域就是根據label的注意圖高響應區域
具體得到的這個相應區的方法是
1） 訓練主幹網絡得到特徵圖
2） 進行全局池化（圖中用的GAP，也可以使用GMP）
3） 對全局池化的結果做全連接得到全連接參數 w
4） 把全連接參數作爲權重對特徵圖進行加權求和 上圖最下方的公式
根據對圖像的研究發現，不同的類別的特徵圖相應區域不一樣，原始的卷積網絡具有一定的定位能力。而且如下圖所示，不同類別的注意力區域也大不相同也呈現出非常準確的特徵區域。
模型可以預測出不同類別概率，根據類注意圖發現。即使是錯誤預測的類別，比如上圖預測狗狗預測成了人，但是人也在圖中特徵區域也是定位在了人的身上。
說了這麼多就是論證GAP和GMP具有定位能力。那麼具體那個好呢
先看一組實驗
我們發現相比GAP，GMP在同一個類別上的top1 和top5 的損失都有所升高。
原因分析：
GAP 是對全局求平均，GAP LOSS 促使網絡區分辨每個類別的程度，找到所有的目標可區分區域進行預測。
GMP 是對全局求最大，只去找分數最高的那個區域。而去忽略其他分數低的區域
因此在定位方面，GAP 比GMP要好
GAP outperforms GMP for localization.