标签：ali 二层 str 卷积 位置 生成 学习过程 图片 过滤器
试图用图像显示出卷积网络所学习的内容，以找到改进网络的方法。其中要可视化某一层需要将去去池化，整流，乘以过滤器矩阵的转置。去池化：在池化时会生成一个对照表，记录最大池化位置，去池化时将最大值放入池化前位置，其余位置放0
整流：将去池化的结果输入到整流函数
过滤器：整流后乘以过滤器的转置，已重新构成卷积前的特征图
4.底层的特征收敛比较快，高层的特征收敛比较慢，特征具有平移，缩放不变性，没有对称不变性
4.1 第一层第二层混合了高频和低频信息，还有未拟合的中频信息，第二层中还出现了一些混叠现象
4.2 遮挡敏感性 学习过程中遮挡，减少了特征的学习，分类效果减弱
4.3 深度模型在进行一种非精确的计算，使用定义的公式计算原始图片和遮挡图片特征图的差量，如果数值越小，则遮挡部分越稳定，不是激活特征
（2013 ZFNet) Visualizing andUnderstanding CN
标签：ali 二层 str 卷积 位置 生成 学习过程 图片 过滤器
原文地址：http://blog.51cto.com/11298270/2315158
