cnn生成图像显著图_通过使用Keras的“最佳”输入图像可视化CNN生成的特性/内核...

所以我做了很多关于CNN可视化的研究，我似乎找不到一个解决方案来解决我所要做的，或者至少我对所用方法的理解。很多都是新的和前沿的，所以我不能很好地理解这些概念。在

基本上，我想把一个学习过的内核/特征作为CNN的训练，并基本上制造一个“优化”的图片，这样当内核与所述图片卷积时，我们有可能得到最高的卷积和。在

如果我没搞错的话，这应该在图像级别而不是过滤器/内核级别夸大内核的特性，这似乎是大多数人在可视化这些过滤器方面所做的事情。在

如果我问的不清楚，这里有一个例子(可能不好，但它会让你明白这一点。)

假设我们使用的是MNIST，我创建了一个CNN，如下所示：

带10个内核/功能图的5x5 Conv

雷卢

2x2 MaxPool 2步幅

致密+软质

假设我已经对我的模型进行了全面的培训，现在想看看它生产的10个5x5内核中的一个，并更好地了解它在寻找什么。我想制作一个新的28x28图片，这样当用这个5x5内核卷积时，28x28卷积的和最大化。在

任何洞察力都将是一个巨大的帮助，谢谢！在