【文件属性】：
文件名称：Understanding-Deep-Image-Representations-by-Inverting-Them:基于论文“通过反转图像了解深层图像表示”来重构图像内容
文件大小：3.81MB
文件格式：ZIP
更新时间：2021-04-27 14:38:13
JupyterNotebook
通过反转它们来理解较深的图像表示
基于Mehandran和Veldadi（ ）的论文“通过反转它们来理解深层图像表示”来重构图像内容。
本文说明了如何使用卷积层的特征图（特征检测器）来重建图像。可以理解的是，较高的层保留了较少的图像细节，因此很难对其进行重建。 原因是更高的层更多地关注复杂和区分性的特征。
该存储库提供了两个ipython笔记本。 我们在一个笔记本上使用了预训练的VGG19，而在第二个笔记本上使用了作为单独文件提供的预训练卷积网络.VGG19模型能够重构复杂的3D图像，而另一个模型在MNIST数据集上进行了预训练并且能够重构手写数字。
有关代码和重建的图像，请参考笔记本。
【文件预览】：
Understanding-Deep-Image-Representations-by-Inverting-Them-master
----layers to load()
--------layer_6.pkl(8KB)
--------last_conv.pkl(3KB)
--------layer_4.pkl(8KB)
--------layer_2.pkl(2KB)
--------layer_0.pkl(798B)
--------second_conv.pkl(18KB)
----Inversion+of+CNN+MNIST.ipynb(20KB)
----inversion_using_vgg1.ipynb(252KB)
----model.pkl(4.25MB)
----README.md(981B)