オブジェクトが写っていない背景画像を利用した。①分類器学習用データセットとは別な画像データセットを用意し、分類器で分類。②クラス尤度が低い画像(前景の画像と特徴量が離れている画像)を除去。③残った内、手動で前景が写っている画像を除去。④学習用と背景画像に対する学習済み分類器の出力が離れるように学習を行う。

CAMのみと比較して、CAM＋提案手法の精度が高かった。特徴量の分布の可視化結果からも前景と背景を分けて学習できていることが分かった。