卷积神经网络中已学习特征可视化的分类体系与库
计算机视觉与模式识别
2024-05-01 v1
摘要
在过去十年中，卷积神经网络（CNN）的性能取得了巨大飞跃。然而，理解网络学到了什么仍然是一项具有挑战性的任务。为改善这一不尽如人意的状况，近期已有多个研究组提出了不同的方法来可视化已学习的模型。在本工作中，我们提出一个通用分类体系来对这些方法进行分类和比较，将文献细分为三个主要类别，并为研究者提供一套术语作为其工作的基础。此外，我们介绍了用于 MatConvNet 的 FeatureVis 库：一个可扩展、易于使用的开源库，用于可视化 CNN。它包含了来自三类主要可视化方法中每一类的实现，并作为一个有用工具，用于加深对中间层所学特征的理解，以及分析网络为何可能对某些样本失效。
引用
@article{arxiv.1606.07757,
title = {A Taxonomy and Library for Visualizing Learned Features in Convolutional Neural Networks},
author = {Felix Grün and Christian Rupprecht and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:1606.07757},
year = {2024}
}