2014 ECCV
纽约大学 Matthew D. Zeiler, Rob Fergus
简单介绍(What)
- 提出了一种可视化的技巧,能够看到CNN中间层的特征功能和分类操作。
- 通过对这些可视化信息进行分析,我们可以
- 直观了解和分析CNN学到的特征(中间层特征对应什么样的图像)
- 可以找到提升模型的办法(观察中间层特征,分析模型可以改进的地方)
- 分析CNN的遮掩敏感性(遮住某一块区域后对分类结果的影响)
- 这种可视化技巧主要用到反卷积的技术,把中间层的激活特征映射回输入空间。
论文动机(Why)
- 虽然CNN在图像任务上取得了优秀的表现,但是看不到CNN的内部操作和复杂模型的表现行为,不清楚它们为何会取得这么好的效果。
- 在科学的角度上,这是不能接收的,没有清晰地理解CNN是如何工作以及为什么这样运作,那么它的发展和进步就只能靠不断地“试错”。
- 所以论文提出了可视化的技巧,可以观察到训练过程中特征的演化和影响,可以分析模型潜在的问题。
怎么做的(How)
- 论文的网络结构和alexNet很类似,做了一些改动,比如stride变成2,11x11的卷积核变成7x7的卷积核。
- 为了把中间层的激活块映射回输入空间,使用了反卷积的技术,如下图所示,右边是卷积网,左边是反卷积网。
- 反池化:由于池化操作不可逆,使用了一个近似可逆的方法,用Switches记录每个池化块最大值的位置,如下图所示,这样就可以利用Switches和池化后的特征图,反池化成Unpooled Maps
- relu:反池化后,为了获得有效的特征重建,也使用relu,得到Rectified Unpooled Maps
- 反卷积:用原来卷积核的转置版本,进行卷积操作,得到重建的Reconstruction
特征可视化
- 下图是对ImageNet训练完成后,在验证集数据进行反卷积得到的各层的可视化结果。
- 对于某个给定的feature map,在数据集上选取激活值最强的9张图,画成一个九宫格。把它们映射回输入空间后可以看到不同结构的重建特征图(灰色的那些图),以及这些特征图对应图像块(那些彩色图)。
- 可以看到彩色图的变化比灰色图更大,因为灰色图是集中于给出那些具有区分性的信息。
- 可以看到每一层似乎在学习不同的东西,第二层学习边缘,角落信息;第三层学到了一些比较复杂的模式,网状,轮胎;第四层展示了一些比较明显的变化,但是与类别更加相关了,比如狗脸,鸟腿;第五层则看到了整个物体,比如键盘,狗。
训练过程的特征演化
- 下图是随着训练的迭代,特征图的变化,每一层里面的8列表示不同epoch时的特征图。
- 列出的特征图是,对于该层的某个feature map,在所有训练集中激活最强的那个样本的feature map。
- 可以看到,低层的特征图收敛地比较快,而高层的特征图要到后面的epoch才开始变动。
帮助提升模型
- 通过可视化可以看到alexNet模型中第一层和第二层(下图中的b和d)存在一些问题,比如第二层有一些重叠和混乱
- 通过把第一层的11x11卷积核变成7x7,然后stride从4变成2,得到的结果如图c和e所示,得到了更多的独特的特征。
- 这样的改动也提升了模型的效果。
遮挡敏感性
- 如下图所示,以第一张小狗图为例,b图表示第5层激活最强的feature map,每个位置的颜色表示那个位置被遮挡后的激活,可以看到遮住狗脸后,激活值最低,也就是蓝色那块区域,说明遮挡对模型有影响。
- c图表示被遮住不同区域后,第5层激活最强的feature map,第一个图表示遮住狗脸后的。
- d图中每个位置的颜色表示那个位置被遮挡后,正确类别的概率。可以看到遮住狗脸后,概率很低,蓝色那一块,说明遮挡对模型有影响。
- e图中每个位置的颜色表示那个位置被遮挡后,最可能的标签,可以看到如果遮挡其它区域,模型都能识别出为博美犬,但是如果遮住了狗脸,而不遮住球,模型就会将样本分类为球。
- 这展示了模型的遮挡敏感性,模型确实学到了物体的位置,而不是说只学到物体的环境上下文。
实验
- 基于可视化后对AlexNet模型进行了修改,提升了表现,说明可以通过可视化的技巧分析和改善模型。
- 对模型(alextNet以及自己修改后的模型)进行删除层,修改层神经元大小,对比实验结果,观察变化。
- 把ImageNet训练好的模型用于Caltech-101,Caltech-256和PASCAL 2012数据集的训练,发现ImageNet预训练过的模型表现要(比没预训练过的)好很多,而且击败了一些前人的工作,说明了CNN提取的特征的泛化能力,以及ImageNet特征的强大。
- 通过逐渐提升(预训练模型中保留的)层数(比如1层,2层,3层升到7层),把这些特征送到SVM和softmax中去分类,得到的结果对比,发现层数越深,学到的特征越有用。
总结
- 提出了一种可视化CNN的方法,说明了内部特征并不是随机的,是可以解释的。
- 通过可视化CNN了解到了一些直觉上的特性,比如随着增加层数,类别的可区分度越高,特征越有用。
- 通过可视化CNN可以对模型进行分析和改善。
- 通过可视化CNN的遮蔽实验,发现模型对局部结构是敏感的,并不是只用到了广阔的场景信息。
- 展示了ImageNet的预训练模型可以很好地泛化到其它数据集。