AI 教学改革实践研究计划AI 教改实践研究计划 全国高等院校计算机基础教育研究会 ×实战云


AI 课件库 › 深度学习 › 卷积神经网络

卷积神经网络可视化讲解

CNN Explainer · IEEE VAST 2020

在浏览器里真实运行一个小型卷积网络,点开任意一层就能看到卷积核怎么扫过图像。

适用
人工智能导论、深度学习、计算机视觉
概念
卷积、激活函数、池化、Softmax
课时
入门 · 建议 30 分钟
网络
离线可用(不依赖外网,需能打开本站)

全屏打开实验 ↗ 原作源代码 ↗

交互实验(可直接投屏)

原作是一个完整的网页应用,下面直接嵌入;屏幕小或要投影时,点「全屏打开实验」更清楚。

动手三步

  1. 点上方 10 张示例图中的一张;想用自己的照片,点最右边的「+」再选「上传」(照片只在本机浏览器里算,不会传出去;不要用「粘贴图片网址」,那要连外网)
  2. 点 conv_1_1 这一列里任意一张小图,展开后再点左边「中间结果」里的一张图,才会弹出「卷积」窗口,看 3×3 卷积核在输入上逐格计算(页面里把特征图叫「激活图」)
  3. 点 relu 开头那列的小图看 ReLU;点 max_pool 开头那列里颜色深的小图看最大池化;点最右侧一个类别名,再点中间的「softmax」方框,看概率是怎么算出来的
  4. 向下阅读图文讲解,重点读「卷积层」「理解超参数」「池化层」三节

课堂怎么用

  • 全屏投影,老师点一个卷积单元讲一个,学生立刻看懂「特征图」是什么
  • 每组上传两张照片:一张属于这 10 类,一张完全不属于,对比结果,讨论「只认识 10 类」的分类器会怎样犯错
  • 对比 conv_1_1(62×62,还看得出原物)和 max_pool_2(13×13,看不出物体),说明深层记录的是「有没有某种组合特征」,不是图像本身

思考题

  1. conv_1_1 和 max_pool_2 的激活图,哪个更像原图?为什么?
  2. Softmax 输出的概率加起来是多少?上传一张和这 10 类都无关的照片,最高的那个概率可能还不低,这说明了什么?

已知限制

  • 讲解视频已隐藏
  • 正文插图(动图)里的英文标注无法翻译;交互界面与正文已是中文
  • 模型只认识 10 类物体(救生艇、瓢虫、披萨、甜椒、校车、考拉、意式浓缩咖啡、小熊猫、橙子、跑车),上传别的东西也一定会被分进这 10 类之一
  • 「看卷积逐格计算」要点两次(先点 conv 列的小图,再点「中间结果」里的图),而 relu、max_pool 列点一次就弹窗,规则不统一
  • 「+」里的「粘贴图片网址」要从外部网站取图,国内课堂多半不可用;「上传」全程在本机完成,不会外发照片
  • 手机上网络图会重叠,请用电脑;1024×768 投影时顶部层名会挤在一起,讲弹窗里的数字建议放大到 150% 或用「全屏打开实验」

原作 CNN Explainer(Zijie J. Wang, Robert Turko, Omar Shaikh 等(佐治亚理工 Polo Club),IEEE VAST 2020),MIT 许可(原文),界面已中文化。

← 卷积:卷积核怎么扫一张图 卷积网络三维可视化 →

使用与数据说明 · 来源与许可