该论文提出了一种基于参数化上采样的 Class Activation Mapping 方法，用于解决卷积神经网络在弱监督条件下物体定位的问题。该方法通过连接解码器和分类器，利用附加属性扩展和精细化对象边界，提高了物体定位准确度，同时保证计算效率。