PROJEC LOG 2- VISUALIZATION

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：$\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N$。
• 块级公式：

$$x = \dfrac{-b \pm \sqrt{b^2 - 4ac}}{2a}$$

更多LaTex语法请参考 这儿.

UML 图:

可以渲染序列图：

或者流程图：

• 关于 序列图 语法，参考 这儿,
• 关于 流程图 语法，参考 这儿.

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

1. 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。
2. IE９以下不支持
3. IE９，１０，１１存在以下问题
   
   1. 不支持离线功能
   2. IE9不支持文件导入导出
   3. IE10不支持拖拽文件导入

---

2

---

1. 这里是 脚注 的 内容. ↩