本文選題：深度可視化 + 金字塔分解　； 參考：《哈爾濱工業(yè)大學(xué)學(xué)報(bào)》2017年11期

【摘要】：針對(duì)基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類模型的可解釋性問(wèn)題,通過(guò)評(píng)估模型特征空間的潛在可表示性,提出一種用于改善理解模型特征空間的可視化方法.給定任何已訓(xùn)練的深度卷積網(wǎng)絡(luò)模型,所提出的方法在依據(jù)原輸入圖像使得模型類別得分激活最大化時(shí),首先對(duì)反向傳播的梯度進(jìn)行歸一化操作,然后采用帶動(dòng)量的隨機(jī)梯度上升訓(xùn)練策略,反向回傳修改原輸入圖像.引入了通過(guò)激活最大化獲得的圖像可解釋性的正則化方法,常規(guī)正則化技術(shù)不能主動(dòng)調(diào)整模型特征空間的潛在可表示性,結(jié)合現(xiàn)有正則化方法提出空間金字塔分解方法,利用構(gòu)建多層拉普拉斯金字塔主動(dòng)提升目標(biāo)圖像特征空間的低頻分量,結(jié)合多層高斯金字塔調(diào)整其特征空間的高頻分量得到較優(yōu)可視化效果.通過(guò)限制可視化區(qū)域,提出利用類別顯著性激活圖技術(shù)加以壓制上下文無(wú)關(guān)信息,可進(jìn)一步改善可視化效果.對(duì)模型學(xué)習(xí)到的不同類別和卷積層中單獨(dú)的神經(jīng)元進(jìn)行合成可視化實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明提出的方法在不同的深度模型和不同的可視化任務(wù)中均能取得較優(yōu)的可視化效果.
[Abstract]:Aiming at the interpretable problem of image classification model based on deep convolution neural network, a visualization method is proposed to improve the understanding model feature space by evaluating the potential representability of the model feature space. Given any trained deep convolution network model, the proposed method first normalizes the backpropagation gradient when the model class score is maximized according to the original input image. Then the random gradient ascending training strategy of driving quantity is adopted, and the original input image is modified by reverse return. This paper introduces an interpretable regularization method of image which is obtained by maximizing the activation. The conventional regularization technique can not adjust the potential representability of the model's feature space actively. Combining with the existing regularization methods, the spatial pyramid decomposition method is proposed. The low frequency components of the target image feature space are actively promoted by constructing the multilayer Laplacian pyramid, and the high frequency component of the feature space is adjusted by the multi-layer Gao Si pyramid to obtain a better visualization effect. By limiting the visualization area, it is proposed that the context-independent information can be suppressed by using the category salient activation graph technique, which can further improve the visualization effect. The experimental results show that the proposed method can achieve better visualization results in different depth models and different visualization tasks.
【作者單位】： 中國(guó)科學(xué)院成都計(jì)算機(jī)應(yīng)用研究所;中國(guó)科學(xué)院大學(xué);
【基金】：中國(guó)科學(xué)院西部之光人才培養(yǎng)計(jì)劃項(xiàng)目
【分類號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳洪亮,譚建榮;基于相密度的混沌吸引子可視化方法研究[J];中國(guó)圖象圖形學(xué)報(bào);2001年05期

2 陸楓;陳傳波;盧正鼎;;基于建構(gòu)主義的教學(xué)內(nèi)容可視化研究[J];高等教育研究學(xué)報(bào);2003年01期

3 溫慶慶;;可視化技術(shù)及其應(yīng)用初探[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2007年28期

4 歐海英;張為華;趙經(jīng)成;韓玉;;設(shè)計(jì)優(yōu)化可視化研究綜述[J];系統(tǒng)仿真學(xué)報(bào);2008年20期

5 張興學(xué);黃繼鴻;張朋柱;;群體研討信息智能可視化研究[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

6 陳楓琳;;淺談專家專長(zhǎng)可視化方法與工具[J];中國(guó)科技信息;2013年01期

7 趙淑芬;;電力系統(tǒng)運(yùn)行狀態(tài)可視化技術(shù)綜述[J];黑龍江科技信息;2013年25期

8 Gruia-Catalin Roman;Kenneth C. Cox;陳海東;;程序的可視化:將程序映射至圖畫(huà)的技巧[J];計(jì)算機(jī)科學(xué);1993年01期

9 韓麗華,程朋根;GIS環(huán)境下面對(duì)象可視化技術(shù)與方法[J];測(cè)繪通報(bào);2001年07期

10 段寶巖,張勁柏;基于可視化的工程結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J];計(jì)算力學(xué)學(xué)報(bào);2001年04期

相關(guān)會(huì)議論文 前10條

1 陳洪亮;譚建榮;;基于相密度的混沌吸引子可視化方法研究[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

2 吳曉莉;史美萍;;晶體生長(zhǎng)實(shí)驗(yàn)流場(chǎng)數(shù)據(jù)的可視化研究[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

3 余弦;吳鋒;;一種危險(xiǎn)品運(yùn)輸車(chē)輛監(jiān)控信息可視化方法[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

4 吳鵬;李思昆;;基于本體論的社會(huì)網(wǎng)絡(luò)信息建模與可視化方法[A];中國(guó)計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國(guó)計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

5 劉曉平;李書(shū)杰;石慧;;規(guī)律維問(wèn)題初探[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2006年

6 趙志強(qiáng);阮宗才;陸祖宏;;一種三維腦圖像數(shù)據(jù)遠(yuǎn)程可視化新方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 季浩;李書(shū)杰;劉曉平;;規(guī)律維的建模與可視化方法研究[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

8 廖麗;王弘X;;基于紋理的流場(chǎng)可視化方法消除高頻噪聲的技術(shù)[A];中國(guó)工程物理研究院科技年報(bào)(2008年版)[C];2009年

9 范宜艷;王仲;季成年;邾繼貴;楊燕罡;葉聲華;;一種三維數(shù)據(jù)的可視化方法[A];中國(guó)儀器儀表學(xué)會(huì)第五屆青年學(xué)術(shù)會(huì)議論文集[C];2003年

10 劉玲;王冠;;可視化技術(shù)在分類算法中的應(yīng)用研究[A];第四屆中國(guó)智能計(jì)算大會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 雋立然;面向個(gè)人基因組變異的功能注釋與可視化方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 馮朝路;心臟組織分割與可視化關(guān)鍵算法研究[D];東北大學(xué);2014年

3 李杰;地理觀測(cè)數(shù)據(jù)時(shí)空可視化方法研究[D];天津大學(xué);2015年

4 張雷;心臟電生理的快速仿真和交互式可視化方法研究[D];哈爾濱工業(yè)大學(xué);2013年

5 李博;高維多目標(biāo)可視化技術(shù)的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

6 孫揚(yáng);多變?cè)W(wǎng)絡(luò)數(shù)據(jù)可視化方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

7 王安慧;基因組信息的計(jì)算機(jī)可視化若干關(guān)鍵技術(shù)研究[D];東北大學(xué);2010年

8 康蘇海;三維水動(dòng)力數(shù)值模擬及可視化研究[D];大連理工大學(xué);2011年

9 呂新榮;基于CTA影像的血管可視化技術(shù)研究[D];西安電子科技大學(xué);2009年

10 張柱金;DNA序列二維可視化研究[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 陳敏;基于元圖的關(guān)聯(lián)規(guī)則可視化方法[D];河北師范大學(xué);2015年

2 何薔;克隆代碼可視化系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

3 查燕平;基于非常規(guī)突發(fā)事件的人工社會(huì)可視化方法研究[D];北京理工大學(xué);2015年

4 關(guān)岳;大規(guī)模微博數(shù)據(jù)的品牌檢索與可視化[D];大連理工大學(xué);2015年

5 賀瀟磊;軟件網(wǎng)絡(luò)拓?fù)渑c參數(shù)可視化研究與分析[D];東北大學(xué);2013年

6 朱曉丹;大規(guī)模復(fù)雜電磁環(huán)境三維可視化研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

7 吳長(zhǎng)龍;人體肺部理想二分叉氣道樹(shù)的構(gòu)造和可視化[D];東北大學(xué);2014年

8 田野;不同震源類型的可視化識(shí)別研究[D];廣西師范大學(xué);2015年

9 曹書(shū)博;面向移動(dòng)終端的線路變形可視化技術(shù)研究[D];合肥工業(yè)大學(xué);2015年

10 趙曉飛;一種新的可視化肋骨骨折診斷方法研究[D];浙江大學(xué);2016年

，

本文編號(hào)：1780796