方法介绍
训练时使用Grad-CAM压制feature map中重要的部分，提高网络的鲁棒性。
[latex]w_c[/latex]是Grad-CAM中通道c上的重要程度，[latex]m_i^c=w_c*F_{i,c}[/latex]是Grad-CAM计算出的注意力图。对于Feature Map，计算[latex]a_{i,c}=max(\mathbb{1}(w_c<W), \mathbb{1}(m_{i,c}<M))[/latex]，作为反转的标准。（其实是F*A，去除重要的那些，并没有反转）