[发明专利]一种用于图像识别的卷积网络可视化方法及装置

权利要求书

1.一种用于图像识别的卷积网络可视化方法，其特征是利用Docker容器载入ubuntu镜像，基于docker安装Caffe，所述安装Caffe过程：利用Docker容器，使用docker pull命令来载入ubuntu镜像：docker pullUbuntu，基于docker安装Caffe：docker pull elezar/caffe:cpu，在交互模式下运行Caffe镜像；

利用Docker容器封装前端深度学习可视化工具箱，

基于Caffe网络架构，利用相应的卷积神经网络模型识别图像，通过深度学习可视化工具箱的可视化界面逐层展示图像识别过程中卷积神经网络模型的卷积核、以及原图像在经过卷积之后所形成的图像变化及相应参数，其中利用Caffe内预制相关的卷积神经网络模型和/或利用其他系统的卷积神经网络模型识别图像；获取其他系统的卷积神经网络模型过程：将其他系统的卷积神经网络模型所在文件路径挂载到Docker容器，并在Docker容器的配置文件中进行对应的设置；图像识别及逐层展示过程：通过深度学习可视化工具箱上传原始图像，Caffe利用相应的卷积神经网络模型识别图像，并将识别过程中卷积神经网络模型的卷积核、以及原图像在经过卷积之后所形成的图像变化及相应参数传输给深度学习可视化工具箱，深度学习可视化工具箱对卷积神经网络模型的卷积核、以及原图像在经过卷积之后所形成的图像变化及相应参数进行展示。

2.一种用于图像识别的卷积网络可视化系统，其特征是包括创建模块、封装模块、识别模块及展示模块，

创建模块利用Docker容器载入ubuntu镜像，基于docker安装Caffe，所述安装Caffe过程：利用Docker容器，使用docker pull命令来载入ubuntu镜像：docker pull Ubuntu，基于docker安装Caffe：docker pull elezar/caffe:cpu，在交互模式下运行Caffe镜像；

封装模块利用Docker容器封装前端深度学习可视化工具箱，

识别模块基于Caffe网络架构，利用相应的卷积神经网络模型识别图像，展示模块通过深度学习可视化工具箱的可视化界面逐层展示图像识别过程中卷积神经网络模型的卷积核、以及原图像在经过卷积之后所形成的图像变化及相应参数，其中识别模块利用Caffe内预制相关的卷积神经网络模型和/或利用其他系统的卷积神经网络模型识别图像；识别模块获取其他系统的卷积神经网络模型过程：将其他系统的卷积神经网络模型所在文件路径挂载到Docker容器，并在Docker容器的配置文件中进行对应的设置；识别模块识别图像及逐层展示过程：通过深度学习可视化工具箱上传原始图像，Caffe利用相应的卷积神经网络模型识别图像，并将识别过程中卷积神经网络模型的卷积核、以及原图像在经过卷积之后所形成的图像变化及相应参数传输给深度学习可视化工具箱，深度学习可视化工具箱对卷积神经网络模型的卷积核、以及原图像在经过卷积之后所形成的图像变化及相应参数进行展示。

3.一种用于图像识别的卷积网络可视化装置，其特征是包括至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行权利要求1所述的一种用于图像识别的卷积网络可视化方法。

4.一种计算机可读介质，其特征是所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行权利要求1所述的一种用于图像识别的卷积网络可视化方法。