可视化理解卷积神经网络 – 反卷积网络 – 没看懂

参考这篇文章：

http://blog.csdn.net/hjimce/article/details/50544370

 

文章里面有不少很有意思的内容。但是说实话，我没怎么看懂。

 

本篇博文主要讲解2014年ECCV上的一篇经典文献：《Visualizing and Understanding Convolutional Networks》，可以说是CNN领域可视化理解的开山之作，这篇文献告诉我们CNN的每一层到底学习到了什么特征

 

二、利用反卷积实现特征可视化

 

最后可视化网络结构如下：

 

 

 

 

每一整张图片是网络的某一层特征图，然后每一行有8个小图片，分别表示网络epochs次数为：1、2、5、10、20、30、40、64的特征图：

 

结果：(1)仔细看每一层，在迭代的过程中的变化，出现了sudden jumps;

(2)从层与层之间做比较，我们可以看到，低层在训练的过程中基本没啥变化，比较容易收敛，高层的特征学习则变化很大。这解释了低层网络的从训练开始，基本上没有太大的变化，因为梯度弥散嘛。

(3)从高层网络conv5的变化过程，我们可以看到，刚开始几次的迭代，基本变化不是很大，但是到了40~50的迭代的时候，变化很大，因此我们以后在训练网络的时候，不要着急看结果，看结果需要保证网络收敛。