一文带你用可视化理解卷积神经网络(14)

2019-06-10

可视化输入中的重要内容—Occlusion Maps(遮挡贴图)

激活最大化用于可视化在图像中的模型期望的输出。在另一方面，遮挡部分图，可以帮助我们找到对模型来说那个部分是重要的。

现在，为了了解遮挡图后的模型是如何工作的，我们想根据制造商对汽车进行分类的模型，如丰田，奥迪等：

你能知道是那家生产商制造了上面这辆车吗？很大程度上是不能的，因为放置公司标志的部分在图片里被遮挡了。我们是以分类为目的，所以被遮挡的这部分对我们来说很重要。

类似地，因为这样的遮挡图的出现，我们遮挡图片的某些部分，然后计算出它属于哪一类的概率。如果概率降低，则意味着图像的被遮挡部分对于该类是重要的。否则，这就是不重要的。

这里，我们根据图像每个部分的像素值做概率分配，然后将它标准化并生成热图：

推荐阅读

上一篇：管道向下焊工艺及各种向下焊工艺焊接参数

下一篇：特斯拉否认“云降级” 中国市场不会出现这种情况