PROJEC LOG - VISUALIZATION
pre-image paper的VISUALIZATION方法log:
- paper experiment实现代码
在这:github
他们用了matlab来实现network和representation提取的experiment。
在readme里,几个script分别是文中分别使用的classical and deep CNN representations提取所用的network。
+-- networks
| | +-- hog_net.m - The hog and hogb networks are created using this
| | +-- dsift_net.m - The dense sift neural network is here
| | +-- Other networks used in our experiments can be downloaded from http://www.robots.ox.ac.uk/~aravindh/networks.html
其中hog和dsift分别是从一network中提取的representaions,称之为classical representations。
other,在本文中即用到的三个来自imagenet的三个CNN networks,分别是AlexNet,VGG-M和VGG-16
在matlab里展开每一层的信息如下:
从上面可以看出,在matlab的model中层数和Alex and VGG-M一样,VGG-16因为把同一个conv层或relu层拆成了几个小的filter,所以看起来比较多,实际上层数还是一样的。
- compile experiment code
从github 下载所有的代码(为了方便,其实只看CNN的话不用下载hog和dsift的code。这里只看CNN,所以之后会comment掉和classical representation有关的部分)。
这里要先下载matconvnet框架,网上随便找个教程。以及vlfeat,这个 不错。这两个框架的配置在experiment_setup.m建立完成。
先看experiment_CNN.m这个文件,可以把stock_abstract and stock_fish以外的图片先comment掉,因为validation set要另外下载。保留所有opt的initialisation,这些是设定model的参数(具体的是什么要再研究!!!),在run experiment section 把其他的images comment掉,留下images_for_groups (which contained abstract and fish image)。
再看到experiment_run functio的文件,这个function首先load要用的network,注意路径。然后分别reconstruct。注意这里暂时不关注classical visualization,所以focus在VGG-M这个model先。
77行 res = invert_nn(net, feats, args{:}) ;
应该是recon的核心步骤,invert_nn的代码待研究!!!!
experiment_run.m剩下的代码为储存从每一层recover出来的visualisation结果。但是有时存的下来有时不行,需要解决!
值得注意!貌似跑过一次visualisation(eg.某一张图片过model然后recon每一层提取到的feature之后),再run第二次就不会像第一次这么慢了,但是也不会出现整个的优化过程(matlab plot整个opt error minimise 的图),不过我怀疑这是我没有把过程save弄对的原因,比如路径没有设置对。。。
然而有一个不知道是不是解决的解决办法:在code里看input图像最后recon会被放到什么文件夹里,在results文件夹里新建同名文件夹,然后打开matlab,把matconvnet和vlfeat文件夹加入路径,但是不要把放experiment code的文件夹加到路径里,然后直接run experiment_cnn文件,在询问路径时选择change folder,开始run的时候每一层的recon error和visualisation就会被存到目标文件夹里了。
但是我觉得这个办法真的很蠢,而且肯定不科学,所以下一次跑其他图片的时候计划尝试不人为新建文件夹,但是加入路径的方式同上,测试能不能保存每一层的recon
- 图片链接和图片上传
- LaTex数学公式
- UML序列图和流程图
- 离线写博客
- 导入导出Markdown文件
- 丰富的快捷键
快捷键
- 加粗
Ctrl + B
- 斜体
Ctrl + I
- 引用
Ctrl + Q
- 插入链接
Ctrl + L
- 插入代码
Ctrl + K
- 插入图片
Ctrl + G
- 提升标题
Ctrl + H
- 有序列表
Ctrl + O
- 无序列表
Ctrl + U
- 横线
Ctrl + R
- 撤销
Ctrl + Z
- 重做
Ctrl + Y
Markdown及扩展
Markdown 是一种轻量级标记语言,它允许人们使用易读易写的纯文本格式编写文档,然后转换成格式丰富的HTML页面。 —— [ 维基百科 ]
使用简单的符号标识不同的标题,将某些文字标记为粗体或者斜体,创建一个链接等,详细语法参考帮助?。
本编辑器支持 Markdown Extra , 扩展了很多好用的功能。具体请参考Github.
表格
Markdown Extra 表格语法:
项目 | 价格 |
---|---|
Computer | $1600 |
Phone | $12 |
Pipe | $1 |
可以使用冒号来定义对齐方式:
项目 | 价格 | 数量 |
---|---|---|
Computer | 1600 元 | 5 |
Phone | 12 元 | 12 |
Pipe | 1 元 | 234 |
定义列表
-
Markdown Extra 定义列表语法:
项目1
项目2
- 定义 A
- 定义 B 项目3
- 定义 C
-
定义 D
定义D内容
代码块
代码块语法遵循标准markdown代码,例如:
@requires_authorization
def somefunc(param1='', param2=0):
'''A docstring'''
if param1 > param2: # interesting
print 'Greater'
return (param2 - param1 + 1) or None
class SomeClass:
pass
>>> message = '''interpreter
... prompt'''
脚注
生成一个脚注1.
目录
用 [TOC]
来生成目录:
数学公式
使用MathJax渲染LaTex 数学公式,详见math.stackexchange.com.
- 行内公式,数学公式为: Γ(n)=(n−1)!∀n∈N 。
- 块级公式:
更多LaTex语法请参考 这儿.
UML 图:
可以渲染序列图:
或者流程图:
离线写博客
即使用户在没有网络的情况下,也可以通过本编辑器离线写博客(直接在曾经使用过的浏览器中输入write.blog.csdn.net/mdeditor即可。Markdown编辑器使用浏览器离线存储将内容保存在本地。
用户写博客的过程中,内容实时保存在浏览器缓存中,在用户关闭浏览器或者其它异常情况下,内容不会丢失。用户再次打开浏览器时,会显示上次用户正在编辑的没有发表的内容。
博客发表后,本地缓存将被删除。
用户可以选择 把正在写的博客保存到服务器草稿箱,即使换浏览器或者清除缓存,内容也不会丢失。
注意:虽然浏览器存储大部分时候都比较可靠,但为了您的数据安全,在联网后,请务必及时发表或者保存到服务器草稿箱。
浏览器兼容
- 目前,本编辑器对Chrome浏览器支持最为完整。建议大家使用较新版本的Chrome。
- IE9以下不支持
- IE9,10,11存在以下问题
- 不支持离线功能
- IE9不支持文件导入导出
- IE10不支持拖拽文件导入
2
- 这里是 脚注 的 内容. ↩