matlab - AlexNet 层提取了哪些特征？

Question

问题是关于 this method ，它从 AlexNet 的 FC7 层提取特征。

它实际上提取了什么样的特征？

我在两位艺术家创作的绘画图像上使用了这种方法。训练集大约是每个艺术家的 150 张训练图像(以便特征存储在 300x4096 矩阵中)；验证集是 40 张图像。这非常有效，分类正确率达到 85-90%。我想知道为什么它效果这么好。

Answer 1

有什么特点？

FC8是分类层； FC7 是之前的版本，其中所有先前的内核像素都被线性化并连接。这些代表了模型训练“发现”的抽象的顶级特征。要检查这些功能，请尝试在线提供的多层可视化工具之一(不要在此处请求引用；SO 禁止请求资源)。

不同训练的特征有所不同，具体取决于内核初始化(通常是随机的)并且非常依赖于训练集。然而，早期层的特征往往很简单，而后面的层则具有更多的多样性和细节。例如，在原始的 AlexNet 目标(ILSVRC 2012，又名 ImageNet 数据集)上，FC7 特征通常包括车辆轮胎、动物面孔、各种类型的花瓣、绿叶和茎、两足动物躯干、飞机剖面、汽车/卡车/巴士烧烤工作等

这有帮助吗？

为什么它效果这么好？

这取决于数据集和训练参数。这些图像与艺术家的图像有何不同？有很多特征需要提取:主题的选择、调色板、构图复杂性、硬/软边缘，甚至画笔描边的方向。例如，区分任何两个早期立体主义者可能有点棘手。区分伦勃朗和 jackson ·波拉克应该达到 100%。