畳み込みニューラル ネットワークの特徴の可視化について

畳み込み層や全結合層を可視化させた時に、表示される特徴の可視化は1エポック目の時の特徴を可視化させたということでいいのでしょうか？

[Hirokazu Tanaka]

「畳み込み層や全結合層を可視化させた」というのは具体的にどんな処理のことを指していますか？サンプルコードか、参考にしているページがあれば教えてください。

[sousi shimozima]

https://jp.mathworks.com/help/nnet/examples/visualize-features-of-a-convolutional-neural-network.html の deepDreamImageです。 このページの「deepDreamImage を使用してこの層で学習された最初の 56 個の特徴を可視化します」がどの画像で学習された特徴なのか把握することはできますか？

[Kenta]

少しご質問とは異なりますが、最後の全結合層の前の特徴量を使って可視化した例が下になります。また、学習のプロセスの中で反復ごとに繰り返しているので、学習の過程も見て取ることができます。参考になれば幸いです。

https://jp.mathworks.com/matlabcentral/fileexchange/74639-continuous-activation-map-generation-at-training-process

Answer 1

[Hirokazu Tanaka]

"deepDreamImage を使用して、ネットワーク層の特定のチャネルを強く活性化するイメージを生成することによって、学習された特徴を可視化できます。"

とそのページにもありますが、Deep Dream 処理内容については下記が分かりやすいかもしれません。

https://www.slideshare.net/HarumitsuNobuta/deep-dream

"Deep Dream は、ネットワーク層を強く活性化するイメージを合成する、深層学習での特徴可視化の手法です。これらのイメージを可視化することによって、ネットワークによって学習されたイメージの特徴を強調表示できます。"

参考： AlexNet を使用した Deep Dream イメージ