Wie können Filter später in einem CNN Farbe erkennen?

Question

Nehmen wir an, die Eingabe ist ein 32x32 RGB-Bild (also 32x32x3).

Wenn ein 5x5x3-Filter in einem Conv-Netzwerk der ersten Schicht eine grün-rote Überblendung erkennt, wird dessen Aktivierungswert auf einer 28x28-Feature-Map aufgezeichnet (bei einer Schrittweite von 1 und Auffüllung von 0).

Dieses Feature-Karte Karies keine Informationen über Farbe, so dass conv2, wenn es in die nächste Conv-Schicht conv2 eingegeben wird, nur Graustufen-Filter lernen wird.

Also, wie können höhere Filter, wie diese, Farbinformationen enthalten?

Von this Visualisierung, so scheint es, als ob sie mit Farbe nicht einmal die Mühe. Außerdem scheinen die Farben in Filtern so verzerrt zu sein, dass sie nicht wirklich beschreiben, wie eine Klassenfunktion aussieht. Um zu verdeutlichen, was ich sage, beachten Sie den dritten Filtersatz, der oben abgebildet ist. In der natürlichen Welt erscheinen Farben nicht auf diese gesättigte Art. Meine unmittelbare Reaktion wäre es zu erraten, dass sie so erscheinen, um die Generalisierung zu erleichtern. Aber wäre ein High-Level-Filter für einen Hund, der einen Blaustich im Inneren des Gesichts hat, nicht schädlich für den Markierungsprozess, da die meisten Hunde keine solche Farbe in ihren Gesichtszügen haben?

Answer 1

Ja, Sie haben Recht, die Feature-Maps der Convolutional Layer erscheinen in Graustufen. Wenn Sie jedes Feature separat anzeigen möchten, wird nur ein Graustufenbild angezeigt. Die Art und Weise, wie Sie mit solch bunten Bildern aufwarten können, besteht darin, 3 Filter (Faltungsmerkmalskarten) zu kombinieren und ihnen R-, G- und B-Werte zuzuweisen. In this lecture können Sie mehr über die Visualisierungstechniken lernen.