Deep learning with Python 學習筆記（4）

本節講卷積神經網絡的可視化
三種方法

1. 可視化卷積神經網絡的中間輸出（中間激活）

有助於理解卷積神經網絡連續的層如何對輸入進行變換，也有助於初步了解卷積神經網絡每個過濾器的含義

2. 可視化卷積神經網絡的過濾器

有助於精確理解卷積神經網絡中每個過濾器容易接受的視覺模式或視覺概念

3. 可視化圖像中類激活的熱力圖

有助於理解圖像的哪個部分被識別為屬於某個類別，從而可以定位圖像中的物體

可視化中間激活
是指對於給定輸入，展示網絡中各個卷積層和池化層輸出的特征圖，這讓我們可以看到輸入如何被分解為網絡學到的不同過濾器。我們希望在三個維度對特征圖進行可視化：寬度、高度和深度（通道）。每個通道都對應相對獨立的特征，所以將這些特征圖可視化的正確方法是將每個通道的內容分別繪制成二維圖像

Keras加載模型方法

from keras.models import load_model
model = load_model('cats_and_dogs_small_2.h5')

可視化方法

from keras.models import load_model
from keras.preprocessing import image
import numpy as np
import matplotlib.pyplot as plt
from keras import models


model = load_model('dogVScat.h5')
# 查看模型
model.summary()
img_path = "C:\\Users\\fan\\Desktop\\testDogVSCat\\test\\cats\\cat.1700.jpg"

img = image.load_img(img_path, target_size=(150, 150))
img_tensor = image.img_to_array(img)
img_tensor = np.expand_dims(img_tensor, axis=0)
img_tensor /= 255
# shape(1, 150, 150, 3)
print(img_tensor.shape)
plt.title("original cat")
plt.imshow(img_tensor[0])
plt.show()
# 提取前 8 層的輸出
layer_outputs = [layer.output for layer in model.layers[:8]]
# 創建一個模型，給定模型輸入，可以返回這些輸出
activation_model = models.Model(inputs=model.input, outputs=layer_outputs)
# 返回8個Numpy數組組成的列表，每個層激活對應一個 Numpy 數組
activations = activation_model.predict(img_tensor)
first_layer_activation = activations[0]
# 將第 4 個通道可視化
plt.matshow(first_layer_activation[0, :, :, 4])
plt.show()
# 將每個中間激活的所有通道可視化
layer_names = []
for layer in model.layers[:8]:
    layer_names.append(layer.name)
images_per_row = 16
for layer_name, layer_activation in zip(layer_names, activations):
    # 特征圖中的特征個數
    n_features = layer_activation.shape[-1]
    size = layer_activation.shape[1]
    # 在這個矩陣中將激活通道平鋪
    n_cols = n_features // images_per_row
    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]
            # 對特征進行后處理，使其看起來更美觀
            channel_image -= channel_image.mean()
            if channel_image.std() != 0:
                channel_image /= channel_image.std()
            channel_image *= 64
            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
    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()

結果
原始貓

模型，使用之上第一個介紹的貓狗二分類的模型

第一層

第四層

第七層

第八層

隨着層數的加深，激活變得越來越抽象，並且越來越難以直觀地理解。它們開始表示更高層次的概念
即，隨着層數的加深，層所提取的特征變得越來越抽象。更高的層激活包含關於特定輸入的信息越來越少，而關於目標的信息越來越多

可視化卷積神經網絡的過濾器
想要觀察卷積神經網絡學到的過濾器，另一種簡單的方法是顯示每個過濾器所響應的視覺模式。這可以通過在輸入空間中進行梯度上升來實現：從空白輸入圖像開始，將梯度下降應用於卷積神經網絡輸入圖像的值，其目的是讓某個過濾器的響應最大化。得到的輸入圖像是選定過濾器具有最大響應的圖像

過程

首先，需要構建一個損失函數，其目的是讓某個卷積層的某個過濾器的值最大化；然后，我們要使用隨機梯度下降來調節輸入圖像的值，以便讓這個激活值最大化

from keras import backend as K
import numpy as np
from keras.applications import VGG16
import matplotlib.pyplot as plt
from keras.preprocessing import image


# 將張量轉換為有效圖像
def deprocess_image(x):
    x -= x.mean()
    x /= (x.std() + 1e-5)
    x *= 0.1
    x += 0.5
    # 將 x 裁切（clip）到 [0, 1] 區間
    x = np.clip(x, 0, 1)
    x *= 255
    # 將 x 轉換為 RGB 數組
    x = np.clip(x, 0, 255).astype('uint8')
    return x


# 生成過濾器可視化
def generate_pattern(layer_name, filter_index, size=150):
    layer_output = model.get_layer(layer_name).output
    loss = K.mean(layer_output[:, :, :, filter_index])
    grads = K.gradients(loss, model.input)[0]
    grads /= (K.sqrt(K.mean(K.square(grads))) + 1e-5)
    iterate = K.function([model.input], [loss, grads])
    input_img_data = np.random.random((1, size, size, 3)) * 20 + 128.
    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]
    return deprocess_image(img)


# 為過濾器的可視化定義損失張量
model = VGG16(weights='imagenet', include_top=False)
layer_name = 'block3_conv1'
filter_index = 0
layer_output = model.get_layer(layer_name).output
loss = K.mean(layer_output[:, :, :, filter_index])
# 　獲取損失相對於輸入的梯度
grads = K.gradients(loss, model.input)[0]
# 將梯度張量除以其 L2 范數來標准化
grads /= (K.sqrt(K.mean(K.square(grads))) + 1e-5)
# 　給定 Numpy 輸入值，得到 Numpy 輸出值
iterate = K.function([model.input], [loss, grads])
loss_value, grads_value = iterate([np.zeros((1, 150, 150, 3))])

# 　通過隨機梯度下降讓損失最大化
# 從一個帶噪聲的隨機圖像開始
input_img_data = np.random.random((1, 150, 150, 3)) * 20 + 128.
plt.imshow(image.array_to_img(input_img_data[0]))
plt.show()
step = 1.
for i in range(40):
    loss_value, grads_value = iterate([input_img_data])
    input_img_data += grads_value * step


def draw_layer_filter(layer_name):
    size = 64
    margin = 5
    results = np.zeros((8 * size + 7 * margin, 8 * size + 7 * margin, 3))
    for i in range(8):
        for j in range(8):
            filter_img = generate_pattern(layer_name, i + (j * 8), size=size)
            horizontal_start = i * size + i * margin
            horizontal_end = horizontal_start + size
            vertical_start = j * size + j * margin
            vertical_end = vertical_start + size
            results[horizontal_start: horizontal_end, vertical_start: vertical_end, :] = filter_img
    plt.figure(figsize=(20, 20))
    results = image.array_to_img(results)
    plt.imshow(results)
    plt.show()


draw_layer_filter(layer_name='block1_conv1')
draw_layer_filter(layer_name='block4_conv1')

結果
輸入圖像

過濾器: block1_conv1

過濾器：block4_conv1

通過對比發現

模型第一層（block1_conv1）的過濾器對應簡單的方向邊緣和顏色（還有一些是彩色邊緣）
高層的過濾器類似於自然圖像中的紋理

可視化類激活的熱力圖
這種可視化方法有助於了解一張圖像的哪一部分讓卷積神經網絡做出了最終的分類決策。這有助於對卷積神經網絡的決策過程進行調試，特別是出現分類錯誤的情況下。這種方法還可以定位圖像中的特定目標
這種通用的技術叫作類激活圖（CAM，class activation map）可視化，它是指對輸入圖像生成類激活的熱力圖。類激活熱力圖是與特定輸出類別相關的二維分數網格，對任何輸入圖像的每個位置都要進行計算，它表示每個位置對該類別的重要程度
[一種方法](Grad-CAM: visual explanations from deep networks via gradientbased localization)

給定一張輸入圖像，對於一個卷積層的輸出特征圖，用類別相對於通道的梯度對這個特征圖中的每個通道進行加權

from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input, decode_predictions
import numpy as np
from keras import backend as K
import matplotlib.pyplot as plt
from PIL import Image
import cv2


model = VGG16(weights='imagenet')
img_path = 'E:\\study\\研究生\\筆記\\studyNote\\bookStudy\\bookNote\\imgs\\testImg.png'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
# 添加一個維度，將數組轉換為(1, 224, 224, 3) 形狀的批量
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

preds = model.predict(x)
print('Predicted:', decode_predictions(preds, top=3)[0])
# 索引編號
np.argmax(preds[0])
# 來使用 Grad-CAM 算法展示圖像中哪些部分最像非洲象
african_elephant_output = model.output[:, 386]
last_conv_layer = model.get_layer('block5_conv3')
grads = K.gradients(african_elephant_output, last_conv_layer.output)[0]
pooled_grads = K.mean(grads, axis=(0, 1, 2))
iterate = K.function([model.input], [pooled_grads, last_conv_layer.output[0]])
pooled_grads_value, conv_layer_output_value = iterate([x])
for i in range(512):
    conv_layer_output_value[:, :, i] *= pooled_grads_value[i]
heatmap = np.mean(conv_layer_output_value, axis=-1)

# 熱力圖后處理
heatmap = np.maximum(heatmap, 0)
heatmap /= np.max(heatmap)
plt.matshow(heatmap)
plt.show()

# 將熱力圖與原始圖像疊加
img = Image.open(img_path).convert('RGB')
img = np.array(img)

heatmap = cv2.resize(heatmap, (img.shape[1], img.shape[0]))

heatmap = np.uint8(255 * heatmap)
heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_JET)

superimposed_img = heatmap * 0.4 + img
cv2.imwrite('elephant_cam.jpg', superimposed_img)

superimposed_img = image.array_to_img(superimposed_img)
plt.imshow(superimposed_img)
plt.show()

原始圖像

熱力圖

混合圖像

保存的圖像

此處保存的圖像和顯示的圖像不一致

Deep learning with Python 學習筆記（5）
Deep learning with Python 學習筆記（3）