CNN的特征使用

特征重建数据
将原图的特征进行提取f，然后不改权重，修改的是原图的数据，使得越来越接近原图。

应用

风格转移

采用的就是特征重建的思想。
提取原图的特征以及待转移风格的特征，然后将特征混合在一起，一直迭代扩展：混合的时候可以加权重吗，不一定是哪一个更深一步
疑惑：PS软件的添加风格，还有重返18岁，是这样的吗？输入一张老年的照片可以还原成18的样子
当时这篇论文的目的是说明了：某一些特征就可以表达出一幅图的风格，可以转移特征，运用到其他图片。但是其实就是纹理，为什么风格转移更多的是印象派，因为纹理更突出。

生成对抗不懂

给一幅图片加上噪音之后，人眼识别的话还是之前的物种，但是计算机已经识别不出来了。

deep dream

以随机图片或者噪音输入x
某一个分类y作为ground truth ，冻结w，优化x得到x’(梯度上升)
softmax是输出的概率，最佳的答案是[0,0,0,1,0,0,,,0],，然后现在不一定了，可能比1还大。这里不断上升，将会无限放大某些特征，生成梦幻的效果，甚至可能出现没有的生物。
deep dream例子—–某985大神