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