이 사이트에서 Deep Dream에 대한 몇 가지 질문을 보았지만 실제로 DeepDream이 무엇을하고 있는지에 대해 실제로 말하는 사람은 없습니다. 내가 모은 한, 목표 함수를 변경하고 역 전파를 변경하여 가중치를 업데이트하는 대신 입력 이미지를 업데이트하는 것처럼 보입니다.
Google이 한 일을 정확히 아는 사람이 있는지 궁금합니다. 그들은 그들의 기사 중 하나에서 최적화를 수행 할 때 베이지안 이전의 것을 부과하며,이를 통해 신경망이 각 레이블에 대한 이미지를 뱉어내는 것이 그렇게 어렵지는 않다고 상상할 수 있습니다. 우리는 단순히 레이블을 설정 한 다음 입력 벡터를 적절히 최적화하십시오.
그러나 딥 드림의 흥미로운 부분은 레이어 마다이 작업을 수행한다는 점이며, 이와 관련하여 레이어별로 세부 사항을 강조하는 방법을 잘 모르겠습니다.
확실히, 이미지를 먹이는 것은 각각의 뉴런에서 가치를 줄 것이지만, 어떻게 우리는 그 정보를 어떻게 원래 이미지의 세부 사항을 과장하기 위해 사용할 수 있습니까? 나는 이것에 대한 자세한 글을 찾기 위해 고심했다.
참고 자료 : 여기 vzn은 비슷한 질문에 대답했습니다 : /cs//a/44857/49671
이 링크에서 Deepdream의 구현이 있습니다. http://auduno.com/post/125362849838/visualizing-googlenet-classes
http://googleresearch.blogspot.com/2015/06/inceptionism-going-deeper-into-neural.html 과 같이 기능이 과장되지 않은 경우를 제외하고
둘 다 특정 클래스와 특정 레이어의 시각화를 보여주고 다음과 같이 말합니다.
네트워크가 증폭시키고 자하는 기능을 정확히 규정하는 대신 네트워크가 결정을 내릴 수도 있습니다. 이 경우 우리는 단순히 네트워크에 임의의 이미지 또는 사진을 공급하고 네트워크가 사진을 분석하게합니다. 그런 다음 계층을 선택하고 네트워크에서 감지 된 항목을 향상 시키도록 요청합니다.