论文名称《Visualizing and Understanding Convolutional Networks 》
论文最大的贡献在于通过使用可视化技术揭示了神经网络各层到底在干什么,起到了什么作用。
如果不知道神经网络为什么取得了如此好的效果,那么只能靠不停的实验来寻找更好的模型。
使用一个多层的反卷积网络,来可视化训练过程中特征的演化及发现潜在的问题;同时根据遮挡图像局部,对分类结果的影响来探讨对分类任务而言,到底那部分输入信息更重要。
反卷积网络:
反卷积网络的每一层都可以看做卷积网络中对应层的逆过程,它们拥有相同的卷积核和池化索引,因此反卷积将特征值逆映射回了输入图片的像素空间,借此说明图片中的哪些像素参与激活了该特征值。