CNN 可视化结果分析

本文试图对CNN到底做了什么，给出一些分析解释。通过观察卷积层的输出构成的灰度图，试图寻找这个卷积在物理上有什么作用。 训练数据是一些验证码图片，用了四个卷积层和两个全连接层的模型，在训练集上训练到98%的准确率，验证集80%。具体代码可参考我前面的这篇博文《CNN识别图形验证码》。图片似乎只有翻墙才能看到，不好意思。

可视化结果分别从以下几个角度做分析：

1 看每个卷积层经过激活函数（relu）后的输出图像

第一个卷积层的结果（相对比较容易懂）：

为了方便人眼观察，对每一幅图的像素值都做了一个放大， 做法是除以这幅图的最大像素值然后乘以255。 灰度图中越亮的部分，就说明原来的值越大。注意， 这样的做法导致，不同的图中比较像素点的相对亮度是没有意义的。

原图：

可以观察，不同的filter可以提取到不同的特征：

比如这个filter可以把所有要识别的目标提取出来， 过滤掉背景颜色和噪音。

 

这两个filter把所有非背景部分提出来， 但一个关注上半部分，一个关注下半部分。

 

  

这个filter对这幅图片“不感冒”。

这两个filter，一个关注字符右半部分，一个关注左半部分。

     

这个filter只提取噪音。

这两个filter，一个分别只提取右斜的笔画， 一个只提取左斜的笔画。