深度学习基础--CNN的可视化技术

CNN的可视化技术

  可以很好地“理解”中间的特征层和最后的分类器层。通过类似诊断(可视化+“消除”研究ablation study)的方式。

  参考资料:
  https://blog.csdn.net/whiteinblue/article/details/43312059
  https://blog.csdn.net/tina_ttl/article/details/52048765

论文中以alexnet举例

  这种可视化技术帮助我们找到了超越Alex-net的结构,本文还通过在ImageNet上训练,然后在其他数据集上finetuning获得了很好的结果。

  1)利用Deconvnet来映射特这激活值返回到初始的像素层。

  2)unpooling:需要记录在执行max-pooling操作时,每个pooing局域内最大值的位置。
  顾名思义就是反pooling过程,由于pooling是不可逆的,所以unpooling只是正常pooling的一种近似;通过记录正常pooling时的位置,把传进来的特征按照记录的方式重新“摆放”,来近似pooling前的卷基层特征。

惊人的发现

  通过可视化Alex-net网络的第1,2层,发现了各种问题。
  1)问题:第一层filter是非常高频和低频的信息,中间频率的filter很少覆盖。
  答:减小第一层的filter的尺寸从1111到77

  2)问题:第二层的可视化比较混淆,由于第一层比较大的间隔。
  答:缩小间隔,从4变为2。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值