理解 CNN 内部的类内知识
计算机视觉与模式识别
2015-07-22 v2
摘要
卷积神经网络（CNN）在图像识别任务中已取得成功，近期研究通过可视化揭示了 CNN 如何利用学到的类间知识区分不同类别。本工作转而可视化 CNN 内部的类内知识，以更好地理解一个对象类别在全连接层中是如何被表示的。为了将类内知识反演为更具可解释性的图像，我们在以往的 CNN 可视化模型基础上提出了一种非参数图像块先验。借助该先验，我们展示了 CNN 如何根据位置和内容组织一个对象类别的不同“风格”模板，并以分层和集成的方式表示它们。此外，此类类内知识可用于许多有趣的应用，例如基于风格的图像检索和基于风格的对象补全。
引用
@article{arxiv.1507.02379,
title = {Understanding Intra-Class Knowledge Inside CNN},
author = {Donglai Wei and Bolei Zhou and Antonio Torrabla and William Freeman},
journal= {arXiv preprint arXiv:1507.02379},
year = {2015}
}
备注
tech report for: http://vision03.csail.mit.edu/cnn_art/index.html