本研究提出Finer-CAM方法，旨在解决现有类激活图在区分相似细粒度类别方面的不足。Finer-CAM通过比较目标类与相似类的差异，有效抑制共享特征，突出目标类的独特细节，显示出在视觉解释中的潜在影响。

该研究提出了一种新的基于差异的主动学习方法，通过减小类激活图与真实结果之间的差距来提高性能。使用WCE数据集评估，结果表明该方法优于最先进的主动学习方法，并且在只标记了10%的训练数据的情况下达到与完全标记数据集训练的方法相当的性能。