PTT數位生活區 / DataScience

[問題] 關於每一層conv所辨識的特徵

看板DataScience作者 (哈哈哈哈呵呵呵嗚嗚嗚嗚)時間6年前 (2018/09/06 08:27), 6年前編輯推噓7(7推 0噓 30→)
留言37則, 6人參與, 6年前最新討論串1/1
大家好，小弟是最近剛開始接觸CV的學渣， 以下若有觀念錯誤的地方，還請不吝指教！ https://zhuanlan.zhihu.com/p/42904109 (知乎連結) 剛剛看到這篇提到「利用調整圖片，使某層有最大輸出， 再去看該層的feature map，可看出該層所辨識的特徵」 小弟不懂的地方是： 1. 去看一個CNN在某層負責的特徵， 應該是這個model經過training之後吧？ 也就是說，用一大堆車子圖片訓練完的model，它的第某層負責的特徵， 和用一大堆乳牛圖片訓練完的model，它的第某層負責的特徵，會有不同？ （可能差不多，畢竟低層數就是簡單特徵，高層數就是複雜特徵，相去不遠） 還沒train的model裡面參數都是random沒有意義的， 好像不太有看的意義？ 2. 假設我是要看第三層所負責的特徵， 我是要用一張圖片從頭傳入，然後不斷調整使第三層有最大輸出， 當它有最大輸出時，其他層的輸出通常不會是最大， 因為每一層負責的特徵不同，這樣對吧？ 3. 要看第三層負責的特徵是看第三層產生的feature map們， 如果很多張都出現很多直條紋，表示這層的filter們負責的特徵是直條紋， 對直條紋比較敏感，這樣對吧？ 那這個時候看傳入的那張圖片也會是傾向於出現直條紋嗎？ 我知道的是：相似的東西convolution後會有大的輸出， 但第三層的input是第二層的output，當第三層有大的輸出時， 跟第三層filter們相似的應該會是第二層產生的feature map們， 所以代表第二層的feature map們會有很多直條紋？ 打到這裡我又開始懷疑自己：那這樣的話應該是看第二層的feature maps來 得知第三層的負責特徵才對呀？ 以上有錯歡迎指正， 打得有點亂還請見諒， 實在不知道有什麼更適合的板可以問這種基本問題， 打擾各位了QQ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.114.212.6 ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1536193666.A.7DE.html
→
09/06 13:03, 6年前 , 1F
3 的第一句話不對吧
09/06 13:03, 1F
推
09/06 13:44, 6年前 , 2F
我覺得3這種分析可能很難說 我看了keras的code
09/06 13:44, 2F
→
09/06 13:45, 6年前 , 3F
我覺得唯一能得出的結論是深層的filter 傾向獲取複雜的
09/06 13:45, 3F
→
09/06 13:46, 6年前 , 4F
feature 畢竟他先引入vgg
09/06 13:46, 4F
什麼意思 所以文中提到利用梯度「上升」找到能產生最大輸出結果的圖片 這個方法不見 得可行？ ※ 編輯: y956403 (101.9.193.107), 09/06/2018 14:48:22
推
09/06 15:04, 6年前 , 5F
是對某一個filter的最大輸出 不是某一層吧
09/06 15:04, 5F
推
09/06 15:15, 6年前 , 6F
3的確不對 feature map看不出filter長怎樣
09/06 15:15, 6F
所以原文在分析每一層時，都放上若干張圖片，是指對那層的若干個filter而言，這些圖 片分別能使那些filter各別有最大輸出，而這些圖片就只是原圖，這樣嗎？ ※ 編輯: y956403 (101.9.193.107), 09/06/2018 15:50:30
推
09/06 16:09, 6年前 , 7F
對 就是random noise對若干個filter做gradient ascent
09/06 16:09, 7F
→
09/06 16:09, 6年前 , 8F
的結果
09/06 16:09, 8F
→
09/06 18:12, 6年前 , 9F
史丹佛的CS231有一整堂課在講visualization可以去看
09/06 18:12, 9F
→
09/06 18:34, 6年前 , 10F
“有最大輸出才看得出特徵”有這種事??第一次聽說ㄟ
09/06 18:34, 10F
→
09/06 18:34, 6年前 , 11F
有根據ㄇ
09/06 18:34, 11F
→
09/06 18:35, 6年前 , 12F
1 應該沒什麼問題
09/06 18:35, 12F
→
09/06 18:38, 6年前 , 13F
2 為什麼某一層有最大輸出時其他層不是最大?
09/06 18:38, 13F
我的想法是：當圖片跟某個filter很相似時，convolution出來的輸出會很大，這時候看 圖片才有意義（否則不相似，看了圖片也不代表什麼） 讓某個filter有最大輸出的圖片，不代表會讓其他filter有最大輸出，因為它是對這個fi lter的輸出做gradient ascent，不是對那個filter 有錯請用力指正！！ ※ 編輯: y956403 (101.9.193.107), 09/06/2018 18:44:41
→
09/06 18:41, 6年前 , 14F
3的敘述蠻模糊的 例如“相似的東西conv後有大的輸出
09/06 18:41, 14F
→
09/06 18:41, 6年前 , 15F
”，是什麼跟什麼相似
09/06 18:41, 15F
→
09/06 18:43, 6年前 , 16F
“conv(直條紋)=直條紋” 的說法並不成立，conv會出
09/06 18:43, 16F
→
09/06 18:43, 6年前 , 17F
來什麼完全取決於kernel weights
09/06 18:43, 17F
取決於kernel的weight，那如果這個kernel負責的特徵是直條紋，當圖片跟它做convolut ion以後，直條紋會比其他特徵更明顯，以上敘述A是正確的嗎 然後如果我調整圖片使convolution的結果最大，這個時候看圖片會有很多直條紋，以上 敘述B是正確嗎
→
09/06 18:45, 6年前 , 18F
回樓上，找filter最大輸出是一種幫人類理解CNN的方法
09/06 18:45, 18F
推
09/06 18:54, 6年前 , 19F
對 正如樓上所言 只是想辦法解釋這個模型 實際上filter
09/06 18:54, 19F
→
09/06 18:54, 6年前 , 20F
不會長那個樣子
09/06 18:54, 20F
fitler不會長那樣我大概知道，畢竟它是3D的矩陣，哪畫的出來。我好奇的是「解釋模型 」，最大輸出的時候去看原圖，這時候原圖跟filter的關係是什麼？
→
09/06 18:57, 6年前 , 21F
2我懂惹 仔細想的確是這樣
09/06 18:57, 21F
推
09/06 19:02, 6年前 , 22F
另外回原po 說圖片跟filter相似也有點問題 因為中間層
09/06 19:02, 22F
→
09/06 19:02, 6年前 , 23F
都是多個channel 實際做起來其實像三維的conv 所以不會
09/06 19:02, 23F
→
09/06 19:02, 6年前 , 24F
是你理解的"長的像"
09/06 19:02, 24F
我指的相似是圖片有大量該filter負責的特徵，不是直接長得像，filter不能畫出來，圖 片可以，不可能用人眼就說：哦，長得很像。這樣對嗎
推
09/06 19:54, 6年前 , 25F
我的意思是說 因為他是取其中一層的一個filter 在這之前
09/06 19:54, 25F
→
09/06 19:55, 6年前 , 26F
會經過預訓練的filter 所以既不知道input也不知道filter
09/06 19:55, 26F
→
09/06 19:57, 6年前 , 27F
這樣很難說某個f-map和對應的那個filter之間的關係
09/06 19:57, 27F
不太懂「很難說」的原因，如果feature map出現很多直條紋，不就是對應的那個filter 是負責直條紋的特徵，才會留下這些直條紋嗎
→
09/06 21:28, 6年前 , 28F
最大response在原圖的區域反應出該層該filter的target pat
09/06 21:28, 28F
→
09/06 21:28, 6年前 , 29F
tern，不清楚的話先去試試sobel或gabor filter這種比較單
09/06 21:28, 29F
→
09/06 21:28, 6年前 , 30F
純
09/06 21:28, 30F
respond跟原圖的關係我就不太懂了，剛好最近在看傳統計算機視覺的課程，會去看看這 些的！
→
09/06 21:31, 6年前 , 31F
普遍CNN是3D kernel做2D convolution，除了第一層以外的fi
09/06 21:31, 31F
→
09/06 21:31, 6年前 , 32F
lter都無法直接視覺化target pattern
09/06 21:31, 32F
如果convolution的結果看到很多直條紋，不就是代表該filter的target pattern是直條 紋嗎？還是你說的視覺化是指直接看filter的長相（如果是的話我大概懂，filter是3D的 ，無法畫出） ※ 編輯: y956403 (140.114.212.6), 09/06/2018 23:25:08
→
09/07 07:14, 6年前 , 33F
feature map查看到的結果是直條紋，代表該層該filter的
09/07 07:14, 33F
→
09/07 07:14, 6年前 , 34F
target pattern在原圖的分布是呈現直條紋狀
09/07 07:14, 34F
→
09/07 07:16, 6年前 , 35F
3:00 左右
09/07 07:16, 35F
→
09/07 07:17, 6年前 , 36F
0:50 處有低層次filter的展示，該filter很接近sobel效果
09/07 07:17, 36F
→
09/07 07:18, 6年前 , 37F
一個是影像 gradient +x， 一個是-x
09/07 07:18, 37F
‣ 更多 y956403 的文章
文章代碼(AID): #1Ra7I2VU (DataScience)
DataScience 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 y956403 的文章
文章代碼(AID): #1Ra7I2VU (DataScience)