1.3.9 可视化CNN
CNN虽然接近人类识别物体的过程,但是理解CNN的原理却是非常艰难的过程。人们试图用可视化的方式来理解CNN各层对图像特征提取的方法。Keras之父、谷歌大脑人工智能和深度学习研究员Francois Chollet在他的《Python深度学习》中给出一种可视化卷积的方法。卷积层通常由多个卷积核组成,每个卷积核都可以被视为一种特征提取方式。当使用一个卷积核处理图像数据后,卷积核会提取它关注的特征并形成新的图像,该图像也被称为特征图。输入的图像包含的特征与卷积核越接近,其特征图的值也越大。因此完全可以基于梯度,迭代调整输入图像的值,让特征图的值最大化。当特征图的值达到最大或者迭代求解趋于稳定时,可以认为这时的输入图像就是该卷积核的可视化图像。下面以Keras为例介绍核心代码实现。
#获取输出层的tensor layer_output = model.get_layer(layer_name).output #获取指定卷积核filter_index的输出,并作为损失函数 loss = K.mean(layer_output[:, :, :, filter_index]) #根据损失函数和输入层定义梯度 grads = K.gradients(loss, model.input)[0] grads /= (K.sqrt(K.mean(K.square(grads))) + 1e-5) #实例化计算梯度的函数 iterate = K.function([model.input], [loss, grads]) #定义一个随机图像,图像底色为灰色,并叠加均值为0标准差为20的高斯噪声 input_img_data = np.random.random((1, size, size, 3)) * 20 + 128. #迭代40轮,使用梯度上升算法求解,学习速率(步长)为step step = 1. for i in range(40): loss_value, grads_value = iterate([input_img_data]) input_img_data += grads_value * step img = input_img_data[0]
图1-22 ResNet50结构图
图1-23 Inception单元结构
图1-24 Keras下的VGG16结构图
以VGG16为例,如图1-24所示,在VGG16中具有多个卷积层,其中最典型的5个分别为block1_conv1、block2_conv1、block3_conv1、block4_conv1和block5_conv1。
Francois Chollet使用上述方法可视化了这5个卷积层,block1_conv1的可视化结果如图1-25所示,block3_conv1的可视化结果如图1-26所示,block5_conv1的可视化结果如图1-27所示,可见第1层卷积提取的主要是边缘和纹路特征,越往后的卷积提取的特征越高级,到了第5层卷积已经提取很抽象的高级特征了。
图1-25 block1_conv1可视化结果
下面我们以经典的小猪图像为例,展现在VGG16下各个卷积层处理的情况,相应的代码路径为:
https://github.com/duoergun0729/adversarial_examples/code/1-case2-keras.ipynb
首先实例化Keras下的VGG16模型,加载基于ImageNet 2012数据集预训练的参数。
#使用VGG16 from keras.applications.vgg16 import VGG16 import matplotlib.pyplot as plt %matplotlib inline model = VGG16(weights='imagenet')
图1-26 block3_conv1可视化结果
之后加载经典的小猪图片(见图1-28),并进行预处理。
from keras.preprocessing import image from keras.applications.vgg16 import preprocess_input, decode_predictions import numpy as np #小猪的路径 img_path = "../picture/pig.jpg" #缩放到指定大小 224×224 img = image.load_img(img_path, target_size=(224, 224)) #展示图片 plt.imshow(img) plt.show() x = image.img_to_array(img) # 扩展维度,适配模型输入大小 (1, 224, 224, 3) x = np.expand_dims(x, axis=0) # 图像预处理 x = preprocess_input(x)
图1-27 block5_conv1可视化结果
对该图片进行预测,预测结果为小猪,满足预期。
preds = model.predict(x) print('Predicted:', decode_predictions(preds, top=3)[0]) Predicted: [('n03935335', 'piggy_bank', 0.6222573), ('n02395406', 'hog', 0.3228228), ('n02108915', 'French_bulldog', 0.013370045)]
图1-28 经典的小猪图片
获取block1_conv1、block3_conv1和block5_conv1对应的输出tensor,并基于VGG16定义新的模型,该模型的输入为图像,输出为以上三层的输出tensor。
from keras import models layer_names=['block1_conv1', 'block3_conv1','block5_conv1'] # 获取指定层的输出: layer_outputs = [model.get_layer(layer_name).output for layer_name in layer_names] # 创建新的模型,该模型的输出为指定的层的输出 activation_model = models.Model(inputs=model.input, outputs=layer_outputs)
针对小猪图像进行预测,获得指定层的输出结果。
#获得小猪的输出 activations = activation_model.predict(x)
遍历block1_conv1、block3_conv1和block5_conv1的各个卷积核的输出并可视化。这里需要指出的是,卷积核的输出结果的范围并不是固定的,为了可以展示成图片,需要根据对应的均值channel_image.mean()和标准差channel_image.std()进行归一化,然后再转换到图片对应的像素范围[0,255]。为了便于显示,每层以8×8的格式展示前64个卷积核对应的图像。block1_conv1层可视化的结果如图1-29所示,block3_conv1层可视化的结果如图1-30所示,block5_conv1层可视化的结果如图1-31所示。可见第1层卷积层提取特征时尽可能保留了原图的细节,越往后的卷积层提取的特征越高级,保留原始图片的细节越来越少。到了最后几层,出现的空白越来越多,这意味着部分卷积核无法在图像中匹配特定的特征了,这也意味着越高级别的特征对应的矩阵越稀疏。
images_per_row = 8 for layer_name, layer_activation in zip(layer_names, activations): # 获取卷积核的个数 n_features = layer_activation.shape[-1] # 特征图的形状 (1, size, size, n_features) size = layer_activation.shape[1] #最多展现8行 n_cols=8 display_grid = np.zeros((size * n_cols, images_per_row * size)) for col in range(n_cols): for row in range(images_per_row): channel_image = layer_activation[0,:, :, col * images_per_row + row] # 归一化处理 channel_image -= channel_image.mean() channel_image /= channel_image.std() # 数据扩展到[0,255]范围 channel_image *= 128 channel_image += 128 channel_image = np.clip(channel_image, 0, 255).astype('uint8') display_grid[col * size : (col + 1) * size, row * size : (row + 1) * size] = channel_image # 展示图片 scale = 1. / size plt.figure(figsize=(scale * display_grid.shape[1], scale * display_grid.shape[0])) plt.title(layer_name) plt.grid(False) plt.imshow(display_grid, aspect='auto', cmap='viridis') plt.show()
图1-29 小猪图片在block1_conv1层的可视化结果
图1-30 小猪图片在block3_conv1层的可视化结果
图1-31 小猪图片在block5_conv1层的可视化结果