Visualizing and Understanding Convolutional Networks论文总结

Visualizing and Understanding Convolutional Networks

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，然后作者通过可视化进行调整网络，提高了精度。

网络结构

与AlexNet类似

通过反卷积实现可视化

• unpooling：利用switches表格记录每个最大值的位置，在该位置填回最大数值，其余位置填0。
• Relu：直接利用ReLU函数，仍然确保输出为非负数。
• 反卷积：利用相同卷积核的转置作为核，与输入做卷积运算。

反卷积

输入图像大小为4x4，卷积Kernel为3x3, 没有Padding,Stride为1, 则输出图像的大小为2x2。

输入矩阵可展开为16维向量，记作X，输出矩阵可展开为4维向量，记作Y，卷积运算可表示为

$Y=CX$

C其实就是如下的稀疏矩阵:

若输入图像大小2×2，则首先展开成(4,1)大小的向量，反卷积运算可表示为：

$X=C^T?Y$

可视化结果

结论：

1.层数越高，所提取的特征越抽象

• Layer1和2 颜色、边缘、轮廓
• Layer3 纹理特征
• Layer4 类别之间的差异
• Layer5 同类之间的差异

2.特征学习的过程

经过一定次数的迭代之后，底层特征趋于稳定，但更高层特征要更多次迭代才能收敛。

• 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。

3.特征不变性。

平移和尺度变化并不影响CNN的分类结果，但CNN无法对旋转产生良好的鲁棒性。

结构的选择

• filter 11×11 strides 4 -> filter7×7 strides 2

遮挡测试

当关键区域发生遮挡时，分类器性能急剧下降。

相关性分析

解释物体部件之间的相关性，比如人脸中眼睛和鼻子的空间位置的关系。

实验

1.ImageNet 2012

14.8%的Top-5准确率，比当时公开的数据都要精确，且只用了12年的dataset。

最终发现删除6、7层全连接层，错误率只有轻微提升，删掉两层卷积层错误率也没有明显提升，但删除这四层之后，错误率急剧提升。

2.特征泛化能力

在不改变模型1~7层训练结果，只训练softmax层的情况下，又进行了Caltch-101、Caltch-256、PASCAL VOC 2012三个库的测试。

总结：

• 模型的深度很重要，虽然这也增加了过拟合的可能。
• 可适当精简层，特别是全连接层。
• 在扩充训练集的时候，调整图像角度是关键。
• 可以先进行其他数据记得预训练。