neural-network - 卷积神经网络中过滤器的可视化

Question

我读了这篇文章“ufldf”，它改进了自动编码器中隐藏层的可视化，但我对如何可视化卷积神经网络的过滤器感到困惑。在我看来，对于第一个卷积层，为了可视化过滤器，它需要这个等式:

对于第二个卷积层，它应该将过滤器投影到原始输入空间，但我不知道该怎么做。

Answer 1

在卷积神经网络中，卷积核的可视化与过滤器可视化相同。您提到的等式中唯一需要除法器的是归一化。所以它只是为了更好的可视化才需要。

如果你想可视化第二个卷积层过滤器，你可以做同样的操作。您可能还想可视化那些投影到输入空间的过滤器。在这种情况下，您需要计算第二层所有过滤器与第一层所有过滤器的卷积。这应该是“全”卷积。如果你有中间池化层，你应该相应地解开过滤器。

因此，例如，考虑具有以下配置的转换网络:1)C层:1个大小为32x32的输入，6个大小为5x5的内核； 2)2x2比例的子采样层； 3) C 层:6 个大小为 14x14 的输入(因为卷积和池化)和 16 个大小为 7x7 的内核； 4)...其他一些更高层

为了可视化投影到输入空间的该网络的第 3 层内核，您需要对每个 7x7 内核进行上采样 2 次，然后与第一层内核进行“全”卷积，这将为您提供大小为 22x22 的 16x6 过滤器