합성곱 신경망 내부 심층 탐구: 이미지 분류 모델과 주목 지도 시각화

본 논문은 학습된 심층 합성곱 신경망(ConvNets) 이미지 분류 모델의 시각화에 대해 다룬다. 우리는 입력 이미지에 대한 클래스 점수의 기울기를 계산하는 두 가지 시각화 방법을 고려한다. 첫 번째 방법은 Erhan 등, 2009의 방법에 따라 클래스를 최대화하는 이미지를 생성하여 ConvNet이 포착한 클래스 개념을 시각화한다. 두 번째 기법은 특정 이미지와 클래스에 대한 클래스 주목 지도를 계산한다. 우리는 이러한 지도가 분류 ConvNets를 이용한 약한 객체 분할에 이용될 수 있음을 보인다. 마지막으로 우리는 기울기 기반 ConvNet 시각화와 Zeiler 등, 2013의 디컨볼루션 네트워크 간의 연관성을 논의한다.