[发明专利]基于VGG16图像反卷积的网络性能评估方法

摘要

本发明公开了一种基于反卷积的网络性能评估方法，主要解决现有技术不能够对深度卷积神经网络的性能进行直观形象评估的问题。其实现方案是：1.下载VGG16原始网络模型，对该原始网络进行微调得到微调后的网络，将这两个网络作为待评估网络；2.通过比较两个待评估网络“conv5_3”层特征可视化图像的稀疏程度及对应反卷积后图像对物体显著性特征提取能力的强弱，完成对网络的初评估；3.通过比较两个待评估网络“conv5_3”层特征可视化图像的系数衰减图，完成对待评估网络的最终评估。本发明能更加直观地看到网络内部的工作机理，准确评估出网络性能的好坏，可用于对卷积神经网络进行直观形象的评估，以实现对网络的改进。

主权项

1.基于VGG16图像反卷积的网络性能评估方法，包括如下步骤：1)准备好待评估的两个网络模型及其相关文件：1a)从官网下载VGG16原始网络模型及其相关文件，1b)在linux系统下搭建caffe平台，并用下载得到的文件对网络进行微调，得到微调后的网络模型及其相关文件；1c)将VGG16原始网络和微调后的网络作为待评估的两个网络；2)做出两个待评估网络第“conv5_3”层的特征可视化图像及其反卷积后的图像：2a)将VGG16原始网络模型和微调后的网络模型分别通过前向传播过程取出第“conv5_3”层的特征可视化图；2b)将特征可视化图像按照VGG16原始网络和微调后网络框架逆向逐层进行反池化、反整流和反卷积操作，得到VGG16原始网络和微调后的网络的反卷积图像；2c)对VGG16原始网络的反卷积图像和微调后网络的反卷积图像进行比较，得出这两种网络对小型汽车的显著性特征提取能力强弱，对待评估网络进行一次评估；3)做出特征可视化图像的系数衰减图：3a)将2a)中得到的第“conv5_3”层特征可视化图像的数据保存为.mat格式的文件；3b)在MATLAB中画出VGG16原始网络和微调后网络第“conv5_3”层特征可视化图像的二维的系数衰减图；3c)比较3b)中系数衰减图的曲线陡峭程度：系数衰减图的曲线陡峭程度越大，则说明待评估网络提取小型汽车显著性特征的能力越强，能够更好地完成对小型汽车的识别分类，即网络性能更好，完成对待评估网络的二次评估。