caffe图像可视化(二)——反卷积可视化
来源:互联网 发布:淘宝卖家退货流程 编辑:程序博客网 时间:2024/06/03 19:55
caffe在进行图像训练时,对特征或中间结果进行可视化,可以帮助更好的对训练过程和图像的理解。
caffe中的可视化,另一种是把网络中间的某层,做卷积的相反动作,用于把某层还原成原来的图像。卷积和反卷积时,使用的参数是共享的,都是卷积时学习到的参数。如下:
#加载网络和逆向网络net = caffe.Net('deploy.prototxt', 'model.caffemodel', caffe.TEST)invnet = caffe.Net('invdeploy.prototxt',caffe.TEST)#加载图像进行处理生成中间结果net.blobs['data'].data[...] = transformer.preprocess('data', caffe.io.load_image('h2.jpg'))out = net.forward()#卷积/反卷积 参数共享for b in invnet.params: invnet.params[b][0].data[...] = net.params[b][0].data.reshape(invnet.params[b][0].data.shape)invnet.blobs['pooled'].data[...] = featinvnet.blobs['switches5'].data[...] = net.blobs['switches5'].datainvnet.blobs['switches2'].data[...] = net.blobs['switches2'].datainvnet.blobs['switches1'].data[...] = net.blobs['switches1'].datainvnet.forward()#显示图像plt.clf()feat = norm(invnet.blobs['conv1'].data[0],255.0)gci=plt.imshow(transformer.deprocess('data', feat))plt.colorbar(gci);plt.show()
def vis_square(data, padsize=1, padval=0): data -= data.min() data /= data.max() # force the number of filters to be square n = int(np.ceil(np.sqrt(data.shape[0]))) padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) + ((0, 0),) * (data.ndim - 3) data = np.pad(data, padding, mode='constant', constant_values=(padval, padval)) data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1))) data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:]) plt.imshow(data) plt.axis('off') plt.show()
最终结果
原图1
中间结果1
原图2
中间结果2
阅读全文
0 0
- caffe图像可视化(二)——反卷积可视化
- caffe图像可视化(一)——featuremap可视化
- 用反卷积(Deconvnet)可视化理解卷积神经网络
- 用反卷积(Deconvnet)可视化理解卷积神经网络
- Caffe 的可视化 (二)网络结构可视化
- Caffe——caffemodel可视化
- 深度学习小白——卷积神经网络可视化(二)
- caffe (8)caffe可视化—安装jupiter测试模型
- 卷积可视化
- 深度学习Caffe实战笔记(17)MATLAB实现卷积层卷积核权重的可视化
- 深度学习(二十七)可视化理解卷积神经网络
- caffe可视化
- 【caffe-windows】 caffe-master 之 卷积核可视化(利用matlab)
- Caffe学习 图像识别与数据可视化
- 可视化CNN卷积神经网络-- 之二
- 卷积神经网络CNN(1)——图像卷积与反卷积(后卷积,转置卷积)
- 卷积神经网络CNN(1)——图像卷积与反卷积(后卷积,转置卷积)
- Caffe 的可视化 (三) caffe model 的可视化
- bzoj2434 [Noi2011]阿狸的打字机 ( AC自动机 & fail树 + 树状数组 + dfs序 )
- 值类型和引用类型
- 情报收集
- PHP-FPM性能优化参考
- windows安装Python和入门
- caffe图像可视化(二)——反卷积可视化
- Linux下MySQL默认安装目录和常用命令(转载)
- 2、Selenium + Python 实现 UI 自动化测试-第一个自动化测试脚本
- 递归
- Android RecylerView之万能适配器的实现
- 常见的HTTP请求响应头以及状态码
- mui 回到顶部
- 签字礼仪简介
- 对JSON的理解以及一些应用