[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

说明书

本发明公开一种用于图像识别的卷积网络可视化方法及装置，涉及人工智能深度学习可视领域；利用Docker容器载入ubuntu镜像，基于docker安装Caffe，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；通过利用卷积神经网络可视化技术，对整个图像识别过程进行图像化可视解释，有利于对图像做出更加准确的判断，同时对结果提供更有说服力的依据。

技术领域

本发明公开一种可视化方法及装置，涉及人工智能深度学习可视领域，具体地说是一种用于图像识别的卷积网络可视化方法及装置。

背景技术

深度学习作为大数据分析所涉及的关键技术之一，克服了传统机器学习算法依赖人为特征建立与筛选的限制，在语音识别、视觉对象识别、目标检测、药物发现等诸多领域都取得了较好的实践结果。以深度学习为代表的“特征学习”，让计算机能以大数据为基础自动寻找目标的高维相关特征值，建立数据处理通道模型，实现全自动的智能处理流程，完成在指定应用场景下的目标的检测、分割、分类及预测等任务。

深度学习中的卷积神经网络，常被用于图像识别，建立模型，进行有效识别，但其卷积计算的过程和识别结果，目前还没有完善的检测跟踪以及直观的展示解释方式，导致卷积神经网络所做出的决策往往难以被大众接收，而使应用不能全面推广。

发明内容

本发明针对现有技术的问题，提供一种用于图像识别的卷积网络可视化方法及装置，通过利用卷积神经网络可视化技术，对整个图像识别过程进行图像化可视解释，有利于对图像做出更加准确的判断，同时对结果提供更有说服力的依据。

本发明提出的具体方案是：

一种用于图像识别的卷积网络可视化方法：利用Docker容器载入ubuntu镜像，基于docker安装Caffe，

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。

所述的一种用于图像识别的卷积网络可视化方法中所述安装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。

所述的一种用于图像识别的卷积网络可视化方法中基于Caffe网络架构，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。

所述的一种用于图像识别的卷积网络可视化方法中所述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。

所述的一种用于图像识别的卷积网络可视化方法中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，