卷积神经网络中滤波器的可视化

Question

我读了这篇文章“ufldf”，它演变了自动编码器中隐藏层的可视化，但我很困惑如何可视化卷积神经网络的滤波器。在我看来，对于第一个卷积层，要想象滤波器，它需要这个等式：

对于第二个卷积层，它应该将滤镜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，卷积核的可视化与滤波器可视化相同。你提到的等式中除法器的唯一需要是归一化。所以只需要更好的可视化。

如果要显示第二个卷积层过滤器，您可以执行相同的操作。 您可能还希望可视化投影到输入空间的滤镜。在这种情况下，您需要使用第一层的所有过滤器计算第二层的所有过滤器的卷积。这应该是'完整'卷积。如果你有中间池层，你应该相应地解开过滤器。

因此，例如，考虑使用以下配置的conv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比率的子采样层; 3）C层：6个大小为14x14的输入（由于卷积和汇集）和16个大小为7x7的内核; 4）......其他一些更高层

为了将来自此网络的第三层内核可视化到投影到输入空间，您需要每个7x7内核，上采样2次，然后使用第一层内核进行“完全”卷积，这将为您提供大小为22x22的16x6过滤器