。
この例では,畳み込みニューラルネットワークにイメージをしし,ネットワークのさまざまな层の化をし活性活性活性をを调べ调べ调べ调べ调べ调べ调べ调べをとをの领域领域をのイメージ比较の领域领域てをイメージとのしてててと比较してが学期する特价ををします。初の层のではやエッジエッジの単纯な徴が习され,深い层のチャネルは目などなな徴が习さているいるいること确认しこのこの方法で特种を识别,ネットワークが学习し内容をするのに役立ち役立ちます。
このこの例に,深学习工具箱™および图像处理工具箱™ががです。
事前学习済みの挤压Zenetネットワークを読み込みます。
net =挤压;
イメージを読み取ってします后で使使するにサイズ保存保存します。
Im = imread('face.jpg');imshow(IM)
imgsize =尺寸(IM);Imgsize = Imgsize(1:2);
ネットワーク可能なを确认ます层では,学校,可以使用して畳み込みが行れますし,有用な特征(通式,チャネル1つにつき1つの特价。を识别すること习ますます。最初の畳み込み层に64个のチャネルがあること确认しますしします。
分析(净)
イメージ入力层では,入力サイズが指定されます。ネットワークにイメージを渡す前にイメージのサイズを変更できますが,ネットワークで大きなイメージを处理することもできます。ネットワークに大きなイメージを供给すると,活性化のサイズも大きくなります。ただし,ネットワークの学习はサイズが227 X 227のイメージについて行われており,このサイズより大きいオブジェクトまたは特徴を认识するようには行われていません。
イメージに対して畳み込み层のどの领域が活性化するかを确认し,元のイメージの対応する领域と比较することによって特徴を调べます。畳み込みニューラルネットワークの各层は,“チャネル”と呼ばれる多数人の2次元配列で构成されてますます。Conv1.
层层の力活性化确认します。
ACT1 =激活(NET,IM,'conv1');
活性化は3次元配列として返さます。この配列の3番目の次元,Conv1.
关のチャネルチャネルがインデックスインデックスされてい。关联inmtile.
ををししのを表示は,配列の形状を4次元に変更ます。inmtile.
のの力の3番目の次元は,イメージカラーを表し表しが活性れには色が设定さていないためためがての次元のサイズが4ように次元しサイズ44ように设定します44ように设定します44ように设定します4インデックス析さます。
sz =尺寸(ACT1);ACT1 = REHAPE(ACT1,[SZ(1)SZ(2)1 SZ(3)]);
これで,活性化を表示ようになりましましの値値ことができることができることができることができることができることができることができることができるためmat2gray.
をを使してしし活性活性の最最が0,最大値が1になる,すべてすべて活性がスケーリングさます.64个のイメージ(层层のイメージ(层のごとに1つのイメージ)を8x 8のグリッドに表示しますます。
i = imtile(mat2gray(Act1),'gridsize',[8 8]);imshow(i)
活性化学のグリッドの各タイルは,Conv1.
层のピクセルはの正の化化ピクセル表しますのがほとんど表します活性化がグレーます。チャネルチャネルの活性ははのししピクセルチャネル対応にあるピクセルは活性対応にあるピクセルはは対応しあるピクセルはの対応し白いははの対応しピクセルはの位置位置位置位置の位置位置位置位置位置位置位置位置の位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置位置し位置位置位置位置し位置位置
チャネル22の活性化サイズが元ののイメージと同じなるように変更しててように変更しててなるようにししてなるようようを表示して
ACT1CH22 = ACT1(::::,22);ACT1CH22 = MAT2GRAY(ACT1CH22);ACT1CH22 = IMRESIZE(ACT1CH22,IMGSIZE);i = Imtile({IM,ACT1CH22});imshow(i)
强く活性化解チャネルをで调べて,兴味兴味深いチャネルを见つけることことできできできできできできできできできでき最大限度
をを使し强く强く化チャネル见つけ化表示し见つけ。
[maxvalue,maxvalueindex] = max(max(max(act1))));Act1chmax = Act1(::::,maxvalueIndex);Act1chmax = Mat2Gray(Act1chmax);ACT1CHMAX = IMRESIZE(ACT1CHMAX,IMGSIZE);i = imtile({Im,Act1chmax});imshow(i)
元元のイメージと比较する,このこのチャネルはエッジに対して活性活性ことが右侧わかりわかりわかりでは薄く右侧が浓いエッジエッジはに活性活性さされれがが浓く右侧がさエッジは负浓く右侧が薄いれれ负に活性活性がされれ。
最初の畳み込み层で,ほとんどの畳み込みニューラルネットワークは色やエッジといった特徴の検出を学习します。深い畳み込み层では,ネットワークはより复雑な特徴を検出することを学习します。后続の层は,それ以前の层の特价を组み合并せることによってによってをを构筑ます。Conv1.
层层と方法でFire6-Squeeze1x1.
层层で活性调べ,グリッド形状で活性の,形状形状,および表示をます。
ACT6 =激活(NET,IM,'Fire6-Squeeze1x1');sz =尺寸(ACT6);ACT6 = REHAPE(ACT6,[SZ(1)SZ(2)1 SZ(3)]);i = imtile(imresize(mat2gray(act6),[64 64]),'gridsize',[6 8]);imshow(i)
详しく调べるにはイメージイメージがすぎるため,兴味深いと思われるかのイメージ注目します。Fire6-Squeeze1x1.
层层で最も强い活性活性を表示し
[maxvalue6,maxvalueindex6] = max(max(max(act6)));ACT6CHMAX = ACT6(:,:,:,maxvalueIndex6);imshow(imresize(mat2gray(Act6chmax),IMGSize)))
この料合,最大の活性化には他のかかチャネルほど兴味详细ななながなく,强い负の(色の浓い)活性ととの(色色ののます。このチャネルは,颜に焦点を当ている可能性があり。
チャネル14および47をあります调べ调べ调べますありありあり。
i = imtile(imresize(mat2gray(Act6(::,:,:,:[14 47])),IMGSize));imshow(i)
多重薄い薄い活性活性领域のがそれぞれそれぞれそれぞれれいい活性はそれぞれ,それぞれそれぞれ,のそれぞれれます活性これらそれぞれ,のそれぞれですますのそれぞれ,のそれぞれれて。Fire6-Squeeze1x1.
层の后には正式化纤ユニット(relu)ががため,使のれるですですには调べる调べる调べるに,解析を缲り返しFire6-Relu_squeeze1x1.
层层活性化を视覚します。
Act6Relu =激活(网络,IM,'Fire6-Relu_squeeze1x1');sz =尺寸(Act6Relu);ACT6RELU = REHAPE(ACT6RELU,[SZ(1)SZ(2)1 SZ(3)]);i = imtile(imresize(mat2gray(Act6Relu(::::::[14 47])),IMGSize));imshow(i)
Fire6-Squeeze1x1.
层层の活性活性と比べ,Fire6-Relu_squeeze1x1.
层层活性化,颜の强い特性が含まイメージの领域を明白
Fire6-Relu_squeeze1x1.
层のチャネル14および47が,目目に対して活性活性するかかを闭じ确认しししイメージを闭じているいるしいイメージをにに入入ししを得られる活性活性をのイメージ得られる活性とをのイメージ活性活性ととします。
片目片目を闭じてているイメージを読み取って表示,Fire6-Relu_squeeze1x1.
层层の活性活性を计算し
Imclosed = imread('面对眼睛关闭.jpg');imshow(Imclosed)
ACT6CLOSED =激活(网络,拟计,'Fire6-Relu_squeeze1x1');Sz =尺寸(ACT6CLOSED);ACT6CLOSED = REPAPE(ACT6缩合,[SZ(1),SZ(2),1,SZ(3)]);
イメージイメージと活性を1つの图内にプロットします。
ChannelsClosed = Repmat(Imresize(Mat2Gray(Act6Closer(:::,:[1444])),IMGSize),[1 1 3]);channelsopen = repmat(imresize(mat2gray(Act6Relu(:::,:,:,:[14 47])),IMGSize),[1 1 3]);i = Imtile(猫(4,IM,ChannelSopen * 255,Imclosed,Channelsclosed * 255));imshow(i)标题('输入图像,通道14,通道47');
活性析,チャネル14と47のの両がのに対して化し目化化しに対しても度度するするもあるわかり
ネットワークに対して目について学习习ように指定してないにもかかわらず,目がイメージのクラスをするににななである习习してます。に有没有の特价をを动作作物を区别するのに役立つ可能性があり。