首页 > Web开发 > 详细

(2013 ZFNet) Visualizing andUnderstanding CN

时间:2018-11-09 19:11:22      阅读:176      评论:0      收藏:0      [点我收藏+]
试图用图像显示出卷积网络所学习的内容,以找到改进网络的方法。其中要可视化某一层需要将去去池化,整流,乘以过滤器矩阵的转置。

去池化:在池化时会生成一个对照表,记录最大池化位置,去池化时将最大值放入池化前位置,其余位置放0
整流:将去池化的结果输入到整流函数
过滤器:整流后乘以过滤器的转置,已重新构成卷积前的特征图

4.底层的特征收敛比较快,高层的特征收敛比较慢,特征具有平移,缩放不变性,没有对称不变性

4.1 第一层第二层混合了高频和低频信息,还有未拟合的中频信息,第二层中还出现了一些混叠现象

4.2 遮挡敏感性 学习过程中遮挡,减少了特征的学习,分类效果减弱

4.3 深度模型在进行一种非精确的计算,使用定义的公式计算原始图片和遮挡图片特征图的差量,如果数值越小,则遮挡部分越稳定,不是激活特征

(2013 ZFNet) Visualizing andUnderstanding CN

原文:http://blog.51cto.com/11298270/2315158

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!