Visualing and understanding convolutional networks
浏览数：40 /
时间：2015年06月09日
这篇文章主要是基于Alex的CNN代码利用可视化技术将卷积神经网络每层学习到的特征以人眼可见的方式变现出来，即Feature Visualization，并试图提出改进。相当于是卷积神经网络的逆过程。
主要框架如下图：
主要利用到的技术有unpooling ,rectification,filtering(逆滤波）
主要的分析过程有：
1.Architecture Selection
发现的问题：The first layer lters are a mix of
extremely high and low frequency information, with little
coverage of the mid frequencies. Additionally, the 2nd
layer visualization shows aliasing artifacts caused by
the large stride 4 used in the 1st layer
convolutions。(虽然我还不知道他是怎么看出的(⊙o⊙))
2.Occlusion Sensitivity
去掉某部分然后看结果怎么样
3.Correspndence Analysis
相关性分析
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
