我正在使用 keras(tensorflow) 构建的 cnn 进行视觉识别。 我想知道是否有办法知道我自己的 tensorflow 模型“看到”了什么。 谷歌有一条新闻显示了人工智能大脑中的猫脸。
https://www.smithsonianmag.com/innovation/one-step-closer-to-a-brain-79159265/
谁能告诉我如何在我自己的 cnn 网络中取出图像。 例如，我自己的 cnn 模型识别汽车是什么？
【问题讨论】：
标签： tensorflow keras
我们要区分Tensorflowactually see是什么：
随着我们深入网络，特征图看起来不像 原始图像，更像是它的抽象表示。正如你 可以在 block3_conv1 中看到猫有点可见，但在那之后 变得面目全非。原因是更深的特征图编码 高级概念，如“猫鼻子”或“狗耳朵”，而低级概念 特征图检测简单的边缘和形状。这就是为什么更深层次的特征 地图包含较少关于图像的信息和更多关于类的信息 的图像。它们仍然编码有用的特征，但它们更少 我们可以在视觉上解释。
和what we can reconstruct 是某种反向反卷积（实际上不是真正的数学反卷积）过程的结果。
要回答您的实际问题，有很多很好的示例解决方案，您可以成功研究它：Visualizing output of convolutional layer in tensorflow。
【讨论】：
当你构建一个模型来执行视觉识别时，你实际上是给它类似类型的标记数据或图片来识别它，以便它可以根据训练数据修改它的权重。如果你想建立一个可以识别汽车的模型，你必须对包含标签图片的大型火车数据进行训练。这种类型的识别基本上是分类识别。
您可以尝试使用 MNIST 数据集，该数据集提供用于图像识别的数字图片数据集。
【讨论】：