DeepDream是一种通过放大卷积神经网络（CNN）特征来可视化的技术，源自谷歌的研究。该技术利用梯度上升方法，通过调整输入图像像素，使网络中的特定特征得以强化。在TensorFlow中，通过多尺度处理和随机移动等策略，可以生成独特视觉效果。项目代码可在GitHub找到，实现包括对不同层特征的选择和多种参数组合的影响。
什么是DeepDream？
DeepDream是谷歌发布的对卷积神经网络（CNN）进行可视化的方法，当然它的用途不仅限于此，我们可以通过它让机器“做梦”，以下是一些效果：
可以看到计算机将自然图像的一些特征放大，生成了它想想中的一些物体。利用这个特点还可以生成一些从未有过的物体：
DeepDream的原理
卷积神经网络由于其从理论上难以解释，一直被很多学者诟病。在2013年“Visualizing and Understanding Convolutional Neural Networks”这篇文章提出了使用梯度上升的方法可视化网络每一层的特征，即用一张噪声图像输入网络，反向更新的时候不更新网络权重，而是更新初始图像的像素值，以这种“训练图像”的方式可视化网络。deepdream正是以此为基础。
之前说过，deepdream需要放大图像特征。比如：有一个网络学习了分类猫和狗的任务，给这个网络一张云的图像，这朵云可能比
最低0.47元/天 解锁文章
扫一扫
1793
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
