卷积神经网络中滤波器的可视化

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滤波器感到困惑。在我看来，对于第一个卷积层，为了可视化滤波器，它需要这个等式：

​


​

对于第二卷积层，它应该将滤波器投影到原始输入空间，但我不知道如何做到这一点。

Answer 1

在卷积神经网络中，卷积核的可视化与滤波器的可视化是相同的。你提到的方程式中唯一需要除法器的就是规范化。因此，只有为了更好地可视化，才需要它。

如果你想可视化第二卷积层滤波器，你可以做同样的操作。您可能还希望将这些投影到输入空间的过滤器可视化。在这种情况下，您需要计算第二层的所有滤波器与第一层的所有滤波器的卷积。这应该是“全”卷积。如果你有中间池化层，你应该相应地取消过滤器的池化。

因此，例如，考虑具有以下配置的卷积网络: 1) C层:1个大小为32x32的输入，6个大小为5x5的核；2)具有2x2比率的子采样层；3) C层:6个大小为14x14 (由于卷积和池化)的输入和16个大小为7x7的核；4)...其他一些更高层

为了可视化从这个网络投影到输入空间的第三层核，你需要取每个7x7核，对它进行2次上采样，然后与第一层核进行‘全’卷积，这将得到大小为22x22的16x6滤波器