特征图谱可视化详解

卷积可视化详解_CSDN@zxy的博客-CSDN博客_卷积可视化

特征图谱的可视化方案分为两种

1.一类是直接将某一层的feature map映射到0-255的范围，变成图像

2.另一类是使用一个反卷积网络（反卷积、反池化）将feature map变成图像，从而达到可视化feature map的目的。

特征图谱可视化画的意义

1. 改进训练网络结构

图（b）包含过多低频、高频信息，很少有中频信息；图（d）中存在较多混叠伪影。因此对神经网络进行如下改进：

    将卷积核尺寸从11×11缩小为7×7
    将卷积层步长从4缩减为2

改进后对应特征层输出如图（c）和图（e）所示，特征提取结果更为鲜明，无效特征（dead feature map）减少，且特征图更加清晰，混影减少。

2. 删除冗余节点实现模型压缩

可视化结果里有一些纯黑的特征图（下图红色方框标出），即所谓的 dead feature map，且不同的输入数据下固定卷积层的 dead feature map 位置相同。这些 dead feature map 没有办法提供有效信息，又因它们位置固定，因此可以将对应的卷积核从网络中剔除，起到模型压缩的作用。