Visualizing and understandingConvolutional Networks

本文是Matthew D.Zeiler 和Rob Fergus于（纽约大学）13年撰写的论文，主要通过Deconvnet（反卷积）来可视化卷积网络，来理解卷积网络，并调整卷积网络；本文通过Deconvnet技术，可视化Alex-net，并指出了Alex-net的一些不足，最后修改网络结构，使得分类结果提升。

摘要：

CNN已经获得很好的结果，但是并没有明确的理解为什么CNN会表现的这么好，或者CNN应该怎样修改来提升效果。同构本文的可视化技术，可以很好地“理解”中间的特征层和最后的分类器层。通过类似诊断（可视化+“消除”研究ablation study）的方式，这种可视化技术帮助我们找到了超越Alex-net的结构，本文还通过在ImageNet上训练，然后在其他数据集上finetuning获得了很好的结果。

一，介绍

多项技术帮助CNN复兴（最早是98年，LeCun提出的）：1，大的标定数据集；2，Gpu使得大规模计算成为可能；3，很好的模型泛化技术

本文的可视化方法是一种非参数化的可视化技术。

二，方法

首先通过监督的方式利用SGD来训练网络，要了解卷积，需要解释中间层的特征激活值；我们利用Deconvnet来映射特这激活值返回到初始的像素层。

2.1利用Deconvnet


1正常卷积过程convnet：

如图右侧黑框流程图部分，上一层pooled的特征图，通过本层的filter卷积后，形成本层的卷积特征，然后经过ReLU函数进行非线性变换的到Recitifed特征图，再经过本层的max-pooling操作，完成本层的卷积池化操作；之后传入下一层。本层需要记录在执行max-pooling操作时，每个pooing局域内最大值的位置

2选择激活值：

为了理解某一个给定的pooling特征激活值，先把特征中其他的激活值设置为0；然后利用deconvnet把这个给定的激活值映射到初始像素层。

3反卷积过程deconvnet：

3.1Unpooling

         顾名思义就是反pooling过程，由于pooling是不可逆的，所以unpooling只是正常pooling的一种近似；通过记录正常pooling时的位置，把传进来的特征按照记录的方式重新“摆放”，来近似pooling前的卷基层特征。如图中彩色部分

3.2Recitfication

通过ReLU函数变换unpooling特征。

3.3Filtering

利用卷积过程filter的转置（实际上就是水平和数值翻转filter）版本来计算卷积前的特征图；从而形成重构的特征。

从一个单独的激活值获得的重构图片类似原始图片的一个部分。

 总是感觉这个过程好熟悉，利用SGD训练卷进网络时，误差的反向传递就是这么计算的，如果是mean-pooling就把残差平均分分配到pooling局域，如果是max-pooling只把残差反馈到记录的max-pooling最max的那个位置。

 三 训练细节

本文训练的网络，就是把Alex-net的3,4,5层只连接同一个GPU的特征图的局部连接方式，换成了全连接的形式。

参数设置，除了把bias全部设置为0外（Alex-net为了让ReLU尽可能多的提取特征，把一些bias设置为1），其他都和Alex-net一样。

四 CNN可视化

特征可视化

完成训练后，对于一个特征图，选择最大的9个激活值分别进行可视化；

每层可视化特征特点：

         1，每张特征图激活值有聚集性；2，高层具有更好的不变性；3，“夸张”的图像判别部分（估计应该是高层特征可视化后能够还原原图的大部分）；4，每层的卷积结构能够学习分层的特征。

训练阶段特征演变：

上图展示了各层特征在训练步骤增加时激活值对应特征变化情况；一个比较有意思的现象是底层的卷积最先收敛，高层的特征需要在充分训练后才能收敛。这个和深度网络的梯度弥散现象正好相反，说明ReLU这中非线性函数能够很好的传递误差梯度。这种底层先收敛，高层后收敛比较符合人的直观。

特征不变性

1，对比2,3列图像，2列中的第1层特征对变换前后的欧氏距离相对3列中第7层中变换前后欧氏距离普遍比较大（纵坐标分别为10和0.8相差很大），说明高层更具有特征不变性。

2，从每行对比中，发现卷积对于平移和缩放的不变形更好，对于旋转的不变性较差。高层对于平移的尺度，缩放的倍数与特征改变量成线性增长；对于旋转变换，随着旋转角度的变化，促增长较大外，规律性并不明显。

3，从列7正确标签概率图可以得出，不同类别正确标签的概率不一样，在平移和缩放变换中，其中鹦鹉和鳄鱼的概率比较低，其他种类类别概率比较高。这是为啥？

4.1结构选择


通过可视化Alex-net网络的第1,2层（图中的b和d），发现了各种问题。

问题1：第一层filter是非常高频和低频的信息，中间频率的filter很少覆盖

问题2：第二层的可视化比较混淆，由于第一层比较大的间隔。

为了解决这个问题：

1，减小第一层的filter的尺寸从11*11到7*7

2，缩小间隔，从4变为2。

这两个改动形成的新结构，获取了更多的信息，而且提升了分类准确率。

4.2 遮盖敏感性

对于图像分类，一个自然的想法就是这个模型是真正鉴别了物体在图像中的位置，还是只是使用了周围的场景。本文通过一个灰色方块，遮盖物体的不同位置，然后监控分类器的输出。最后结果证明模型定位了场景中的物体（图示没太看明白）。

4.3关联性分析

         深度模型不同意其他识别方法，它没有明显建立对应关系的机制（脸中有鼻子和眼）；但是深度模型可能隐士地建立了对应机制。

为了验证这一点，我们随机选择了5张包含狗正脸的图片；然后遮蔽相同的部分来观察。

观察方法：首先计算图片遮蔽前后特征，两个特征向量做差，通过sign来确定符号；然后通过海明距离来计算5张照片两两之间的一致性，然后求和。

有实验结果可以得出，layer-5的特征一致性中，眼和鼻子的数值较低，说明眼和鼻子比其他部分，有更强的相关性，这也说明深度网络能够隐式地建立对应关系。但是在layer-7中眼，鼻子和随机的数值较为相似，可能是因为高层尝试去区分狗的种类。

五，实验

新的结构

Input（224,224,3）→96F（7,7,3,2）→LRN→max-p（3,3,2）→256F（5,5,96,2）→LRN→max-p（3,3,2）→384F（3,3,256，1）→384F（3,3,384，1）→256F（3,3,384，1）→max-p（3,3,2）→4096fc→4096fc→softmax

对比Alex-net本文的结构改进汇总：

1，layer-1的filter尺寸7*7

2，layer-1的间隔距离 S=2

3，全连接，而不是局部连接

4，初始化偏执bias=0.

本文在只用ILSVRC2012数据集的情况下，单个网络获得了16.5%的识别率；超越Alex-net网络1.7%。

变化Alex-net结构：

首先探讨Alex-net，移除的层数越多，对于结果的损害就越大，说明深度很重要。

调整6,7层隐单元的个数，同时减少一倍，导致结果增加；同时增加一倍，结果没有明显变化。同样的调整，在作者的网络上，错误率有一些增加。

调整中间卷基层特征图的个数，结果有一些增加；但是同时增加卷基层和fc层，最后导致过拟合。

感觉网络结构真是一门艺术，多了不行，少了也不行；后面的论文会详细介绍结构调整的各种方案。

5.2 特征推广

         探索在ImageNet数据集上通过监督学习到的特征，推广到其他数据集上。具体方法是保持网络的1到7层不变，改变softmax层最终的类别数。

         才caltech101和caltech256上都达到了state-of-the-art的准确率；即使在使用很少的训练集的情况下。说明ImageNet特征提取具有很好的特征提取能力。但是在pascal上却比当前最好成绩差3.2%，这是由于pascal数据集和ImageNet数据集有很大的不通过，pascal数据集上有多个物体。

六，讨论

1，提出了一个新颖的可视化方法，通过可视化证明了卷积网络的一些特征，复合性，特征不变性和网络深度的关系；

2，通过可视化还可以调试网络结构，通过遮蔽实验证明网络学习到一种隐士的相关性，通过削减实验证明深度很重要

3，特征推广

七，一些困惑和理解

         本文提出了一种新的卷积特征可视化技术，帮助理解卷积网络的特性，以及根据可视化来调整卷积网络。例如训练过程中，层数越深需要迭代的次数越多才能使学习到的特征收敛；卷积网络对于平移和缩放具有很好的不变形，对于旋转的不变形较差；但是在平移和缩放不变形实验中狗和鳄鱼（红线和绿线）的标签概率曲线都比较低，这个平移和缩放不变性对不同的物体差别有些大，到底为啥，没想明白？

         本文单个网络比Alex-net提高了1.7%，感觉并不单单是改变filter大小和间隔这两个因素决定，因为作者的参数设置，连接方式都和Alex-net有改变，感觉都有共享。

         这个类似迁移学习的特征生成器的方式比较好，由于小数据不能够训练大网络，但是大网络有很好的性能，所以通过类似的数据集来训练大网络来学习到特征提取器，然后改变分类器，在小数据集上微调。感觉作者的想法来源于上一篇博客中，为了提高ImageNet比赛的识别率，有些队伍现在一个比ImageNet比赛数据集还大的数据上训练，然后在比赛数据集上训练；本文作者在ImageNet比赛数据集上训练，然后在其他小数据集上训练，得到了很好的结果。说明数据集很重要，网络深度很重要；若是有更大的数据集，更好的网络，是不是可以建立一个公共的特征提取器，这个很类似余凯提出的公共特征集的概念。

 

原文地址：http://blog.csdn.net/whiteinblue/article/details/43312059