1. 動機：
卷積神經網絡中的卷積操作實際上是一個局部的操作，這樣的話就會使得它雖然知道自己看的是什么，但是卻不清楚他在圖像中的位置信息，但是位置信息實際上是很有用的，因此CNN可能潛在的學習到了如何去編碼這種位置信息。所以這篇論文就是為了研究這種位置信息是如何在CNN中編碼得到的。
2. 介紹：
在這篇工作中，他們通過執行一系列的隨機試驗來檢驗絕對位置信息的作用，他們假設實際上CNN確實能夠編碼這種位置信息。本研究揭示了CNN的這種位置信息是從常用到的zero-padding中得到的。
之前有研究表明即使圖像是完全的噪聲仍然可以通過訓練得到0的損失值，據此，作者也通過這追蹤隨機性的檢測來研究CNN的學習的特征，但是這篇工作不同于之前的方法只關注于可視化和理解，并沒有研究位置的關系。
問題的定式表達：給定一個輸入的圖像，我們的目標是為了預測一個gradient-like的位置信息遮罩，它里面的每個像素位置的值代表了他在那從左往右或從上往下的位置。我們生成一個遮罩，這個遮
![[python] set](http://pic.xiahunao.cn/[python] set)
