Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps 中文翻译

自己读时的翻译，随便翻的

PDF版本下载：

http://download.csdn.net/detail/zcy0xy/9739878

Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps
摘要
本文提出了图像分类的可视化模型，这一模型使用了深度卷积网络（Convnet）。基于分别计算分类得分的梯度，我们考虑了两种可视化技术：第一种生成了一张图可以最大化图像分类的得分，由Convnet捕获。第二种对于给定的图片和类，计算其显著性图。我们的研究表明，这种显著图可以用在弱监督目标分割上（使用卷积网络）。最后，我们建立了基于梯度的卷积网络与反卷积神经网络的联系。
一、介绍
随着Convnet现在被用来构建大规模图像识别，理解Convnet内部的视觉表现，模型内部结构变得越来越重要，本文就聚焦于此，认真探讨了这个课题。以前的研究中，Erhan通过寻找一张可以最大化神经元激励活动的输入图像来实现可视化。这一方法被用于可视化非监督深度体系结构，比如深信服网络Deep Belief Network，后来又被李等人用于探究深度非监督自编码分类模型的内部结构。最近，Zeiler提出要把Convnet也给可视化了。针对卷积层的可视化，他们提出了反卷积网络结构，其目的是为了根据输出重建每一层的输入。
在本文中，我们提出了深度图像分类Convnet的可视化，这一网络的数据集是大型ImageNet挑战数据集。最后，我们就做了三件小事，很惭愧。第一个是我们论证了对输入图像进行数值优化，可以获得卷积分类模型的可视化结果。注意，在我们的实验中，网络训练是有监督的，因为这样我们才能知道在会后的全连接层中，哪个神经元应该被设置到最大来可视化感兴趣类。据我们所知，我们是第一个使用这一方法来可视化ImageNet分类卷积网络的人，我们老高兴了。第二个是我们提出了一种在给定图像（特定图像的类显著图）里计算给定类的空间支持的方法，方法采用了一个单层BP传播Convnet。在3.2中我们也说了，这样的显著图可以被用与弱监督目标定位。第三，在第4部分，我们展示了基于梯度的可视化方法推广到了反卷积网络重构中。
Convnet实现的一些细节
我们的可视化实验使用一个单层深度Convnet，数据集是ILSVRC-2013，包含了1.2M张图片，被分成1000各类别。
二、分类模型可视化
这一部分描述了一种可视化分类模型的技术，是通过图像分类Convnet来学习的。给定一个分类Convnet和感兴趣的类，可视化的方法包括数值生成一幅图像。
具体而言，令Sc(I)为分类C的得分，得分由一幅图片I在Convnet的分类层计算得来。我们需要找到L2规则化图像，使得Sc尽可能的高。

 
其中lamda是归一化参数，局部最优的I可以通过BP方法得到。这一过程与Convnet的训练步骤相关联，该步骤中BP被用于最优化层的权重。不同的是，在我们的实验中最优化是根据输入图像来确定的，并且在训练阶段权值被固定。我们用全0图像来初始化优化过程，然后把训练集平均图像加入到结果中。几个类的分类模型可视化展示在fig1中
 
值得注意的是，我们使用了分类得分Sc，而不是soft-max层返回的分类后摇（posterior）
 
原因是可以通过最小化分类得分来最大化分类后摇（posterior）。因而我们最优化Sc来确保优化仅仅集中在针对c的类。我们也尝试了最优化后摇Pc，但是结果并不好，这证明了我们的想法。
三、特定图像类的显著图
在这一部分，我们阐述了在给定图像中一个分类Convnet是怎么跟特定类的空间支持联系的。给定图像I0，类c，以及分类有着分类得分函数Sc（I）的Convnet，我们会根据I0中各个像素的得分来对他们排序。我们从一个激励的例子开始，考虑类c的线性分类模型
 
图像I被表示成矢量形式，wc和bc分别是模型中的权重值和偏移值。在本例中，显然元素w的大小定义了其对应像素I在分类c上的重要性。在深度Convnet的例子中，分类得分Sc（I）是一个I的非线性函数，所以前面的推理不能马上应用过来。然而，给定一幅图像I0，我们可以通过计算第一级泰勒级数把Sc(I)近似成一个I0邻域的线性方程
 
W是Sc在点I0相对于图像I的导数
另一种使用分类得分导数计算特定图像分类显著图的解释是：导数的大小表示了为了尽可能影响得分哪一个像素需要被改变。谁都知道像素对应于图像中的目标位置。我们注意到一个相似的技术已经被应用到贝叶斯语境分类上了。
3.1 分类显著图提取
给定图像I0与类c，显著图M2是这样计算的：首先，导数w 通过BP来求出；接下来，重新排列矢量w的元素获得显著图；在灰度图中，w元素的个数等于I0中的像素个数，所以显著图可以如下计算：
 
H(i j)是w中元素的坐标，对应于第i行第j列。在多通道图中，假设（i, j）像素的颜色通道c对应于w的元素中的h(I,j,c)。为了在像素点（i，j）上对某个类求导，我们令w为各个颜色通道上最大的那个
 
注意，显著图使用分类ConvNet训练图像标签得到的，除此之外的信息都不需要（比如图像分类中的目标的范围的框子）。对特定图像制定类的显著图的计算非常的快，因为他仅仅需要一个BP传播。
我们在随机测试数据集上按照得分最高的类可视化显著图fig2.与ConvNet分类步骤类似，分类预测在10个裁剪子图上计算出来，我们计算10个子图集的显著图，然后求平均。
 
3.2 弱监督目标定位
给定图像给定类，弱监督分类显著图可以编码目标的位置，因此可以被用于目标定位。我们再次简要地描述了一个简单的目标定位步骤，我们用它来完成ILSVRC-2013挑战数据集的定位任务。
给定图像和相应的类显著图，我们使用GraphCut颜色分割来计算出目标分割的边缘。这么用的灵感是来自于这样一个事实：显著图可能只能捕获最为目标中discriminative的部分，所以显著图的阈值可能不能把整个目标都标出来。所以，需要根据最显著的那部分区域，延伸到目标的整体区域，我们准备通过颜色连续性来实现这一点。前景色和背景色模型按照高斯混合模型设置好。前景模型阈值设置为整幅图片显著性的95%；背景色设置为整幅图最小的30%显著性（下图的右中）。使用公开的算法实现GraphCut分割。一旦前景和背景的图像像素标签被计算完毕，目标分割的边缘被设置为前景像素的最大连通域（下图的右边）。
 
我们把我们的目标定位方法输入到ILSVRC-2013定位挑战数据集。考虑到数据集需要输出目标边框，我们计算了目标边框的矩形框。这样的步骤重复执行在预测最高的5个分类上。方法取得了46.4%错误率在ILSVRC-2013测试数据集上。注意这里是弱监督方法，而且目标定位任务没有被考虑进去。尽管进行了简化，这一方法的成果依然比ILSVRC-2012 challenge数据集上执行的50%错误率要低，那时候采用的是基于部分模型和Fisher矢量特征编码的全监督算法。
4 与反卷积网络的关系
在这一部分，我们建立了基于梯度的可视化方法以及反卷积结构。像下面我们所展示的，n层基于DeconvNet的重建的输入Xn与计算可视化神经元激励函数f相对于Xn的导数类似，所以DeconvNet实际上对应于通过ConvNet的梯度BP。


这几段介绍了卷积层，RELU修正层，max-pooling层的导数计算。


我们得出结论：除了RELU层，使用DeconvNet来计算近似特征图重构Rn，与使用BP计算@f/@Xn相似，这是我们可视化算法的一部分。所以，基于梯度的可视化可以被看做一种归纳，因为基于梯度的技术可以被用于任何层活动的可视化，不仅仅是卷积层。特别的是，在本文中，我们在最后的全连接层可视化了分类得分神经元。
注意，我们的类模型可视化描述了类的概念，这个类指的是ConvNet所分的类，而不是任何特定图片。同时，类显著可视化是image-specific的，从这个意义上来说，它跟image-specific卷积层可视化是有联系的。
5 结论
在本文中，我们展示了2中深度分类ConvNets的可视化技术。第一个是产生一个人工图像，该图像代表了感兴趣的类。第二个是计算image-specific类显著图，根据给定的类标明给定图像的高亮区域。我们展示了这样的显著图可以被用于初始化GraphCutbased目标分类，而不需要训练分割或检测出目标。最后，我们论述了基于梯度的可视化技术推广反卷积重构步骤。