ホーム » AlexNet » TensorFlow AlexNet の特徴マップ/フィルタの可視化

TensorFlow AlexNet の特徴マップ/フィルタの可視化

TensorFlow AlexNet の特徴マップ/フィルタの可視化

既に単純な ConvNet (CNN) モデルの畳込み層のフィルタと特徴(出力)マップを MNIST と CIFAR-10 を題材として TensorFlow で可視化しました(MNIST 特徴マップ / MNIST フィルタ / CIFAR10 特徴マップ & フィルタ)。

今回は AlexNet モデルでより実践的な題材: University of Oxford: 17 Category Flower Dataset を利用して特徴出力マップとフィルタを視覚化してみます。入力画像サイズは 227 x 227 と現実的なサイズになっています。
AlexNet については TensorFlow による AlexNet の実装 を参照してください。

17 Category Flower Dataset

題材は University of Oxford が提供している 17 Category Flower Dataset です。
以下のサンプルのような 17 種類の花のデータセットです :
oxf17f2_samples

以下の2つのサンプルに注目して出力マップを追ってみます。
この2つを選んだのは特徴が分かりやすいと考えたためです :

oxf17f2_sample.06

oxf17f2_sample.09

特徴マップの視覚化

AlexNet を 17 Category Flower Dataset で 90 % 前後まで精度をあげた上で出力マップを表示してみました。

【Conv 1 層の出力マップ】
oxf17f2_convout1.06

oxf17f2_convout1.09

【MaxPooling 1 層の出力マップ】
oxf17f2_maxpoolout1.06

oxf17f2_maxpoolout1.09

【Conv 2 層の出力マップ】
oxf17f2_convout2.06

oxf17f2_convout2.09

【MaxPooling 2 層の出力マップ】
oxf17f2_maxpoolout2.06

oxf17f2_maxpoolout2.09

【Conv 5 層(最終層)の出力マップ】
oxf17f2_convout5.06

oxf17f2_convout5.09

【MaxPooling 5 層(最終層)の出力マップ】
oxf17f2_maxpoolout5.06

oxf17f2_maxpoolout5.09

少しページが長くなったのでフィルタ画像は TensorFlow AlexNet の特徴マップ/フィルタの可視化 (2) に分けました。

 
以上

AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com