我正在尝试使用CNN对图像进行是/否分类。

Question

是否可以从隐藏层确定图像的特征，这将导致＆＃34;是＆＃34;？ 就像假设我用1000张图像训练CNN一样，那么我想从中间隐藏层知道哪些特征实际上导致图像被标记为是最终。 可能吗？ 还需要使用CNN收集二进制分类需要多少个训练样例？

Answer 1

  

是否可以从隐藏层确定图像的特征，这将导致“是”？

是的，确实如此。看看

  

Zeiler，M.D。和Fergus，R.，2014年9月。 Visualizing and understanding convolutional networks。在欧洲计算机视觉会议上（第818-833页）。施普林格国际出版社。

摘要

主要有三个想法：

1. 培训数据argmax方法：通过网络泵送数据。记录您感兴趣的神经元，它引起最高的激活。
2. 遮挡感光度分析：覆盖部分图像。通过网络推送被遮挡的图像。分数是如何变化的？如果它大致相同，那么重要的特征可能不在图像的那一部分。
3. 渐变方法：训练“重建网络”，重建激活。然后将您感兴趣的神经元设置为最大激活，其余为无激活。重新构造可能导致此行为的原因。