利用自然前图像可视化深度卷积神经网络
计算机视觉与模式识别
2016-05-24 v3
摘要
图像表示，从SIFT和bag of visual words到卷积神经网络(CNN)，是几乎所有计算机视觉系统的关键组件。然而，我们对它们的理解仍然有限。本文中，我们通过若干互补可视化技术研究几种里程碑式表示，包括浅层与深层。这些可视化基于“自然前图像”的概念，即一幅外观自然的图像，其表示具有某些显著特性。我们特别研究三种此类可视化：反演（旨在从表示重建图像）、激活最大化（搜索最大程度刺激表示组件的模式）、以及漫画化（表示在图像中检测到的视觉模式被夸大）。我们将这些构建为正则化能量最小化框架，并展示其通用性与有效性。特别地，我们展示该方法能比近期替代方法更准确地反演诸如HOG的表示，同时也适用于CNN。在我们的发现中，我们展示CNN中的若干层保留了关于图像的照片级准确信息，具有不同程度的几何与光度不变性。
引用
@article{arxiv.1512.02017,
title = {Visualizing Deep Convolutional Neural Networks Using Natural Pre-Images},
author = {Aravindh Mahendran and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1512.02017},
year = {2016}
}
备注
A substantially extended version of http://www.robots.ox.ac.uk/~vedaldi/assets/pubs/mahendran15understanding.pdf. arXiv admin note: text overlap with arXiv:1412.0035