我不想成为标题党，但是刚开始研究深度学习，感觉还是很神秘！
如题，我在把yolov3模型预测过程中的不同层的图片输出后发现一个规律。如下图1.2.3.我预测了三个图分别是dog.jpg 、person.jpg 和一个人群的图片，在最后一层都在这几张图片显示出了明显的与众不同！他们分别是106-172和106-173，还有106-87和106-88 。
使用的代码也很简单，在图像预测的函数中加入以下代码，int i=100 可以输出100层以后的中间图片，如果改成int i=0 则输出所有过程中的图片。一次输出50多M，37629张图片，还是挺多的。我认为发现了一个小规律，供大家研究启发。为什么这个模型总在最后一层这四张图片上有所体现？值得我们深入模型内部权重研究其形成过程。
for (int i = 100; i < net.n; ++i) {
layer l = net.layers[i];
printf(" --net------->%d net.n= %d l.w= %d l.h= %d l.c= %d \n", i, net.n, l.w, l.h, l.c);
layer lfront = net.layers[i-1];
if (l.c*lfront.c>0)
{
for (int j = 0; j < l.c; j++)
{
image out = make_empty_image(l.w, l.h, 1);
out.data = calloc(l.h*l.w, sizeof(float));
int tmpindex = l.w*l.h*j;
for (int k = 0; k < l.w*l.h;k++) {
out.data[k] = lfront.output[tmpindex + k];
}
char str[20];
sprintf(str, "%d%s%d",i,"_",j);
printf("image--%d im.w= %d im.h= %d savename= %s \n", j, l.w, l.h, str);
save_image(out, str);
free_image(out);
}
}
}
第一层图片如图4所示
还是挺有趣的，此发现供大家研究使用。欢迎大家QQ交流：329611847
添加一些个人观点：
当前的基于CNN的深度学习最大的进步是将离散的像素点进行叠加分析，进行了空间的叠加组合，进而实现了区块形状的感知，这是了不起的进步。应当注意到整个图像识别仍然是监督分类方法，如果一直这么走下去，真真的成为了人工智能。目前阶段这些技术已经足够了。但是这个人工训练缺乏机器逻辑能力的提升，就陷入了yolo9000的的陷阱，教啥会啥，完全依靠训练。
如果想要进一步发展，必然不能完全依靠监督训练，而是设计一种半监督学习方法，首选教会机器识别一些特征，然后设计逻辑动态学习机制，帮助机器建立相关概念，这样才能得到最大的泛化，归纳认知效果。这些动态学习机制是要人为设计主要的数学模型，具体我个人目前也没有足够的认知把握。
不过可以给你分享几点个人的一些思考。那就是动态在线随机森林分类方法。这个建议你看看相关的文献。简要的是说随机森林方法可以使用较少样本完成分类，而且还可以渐进式学习，即样本式10000个，全学习与每次学习100个学习100次的最终效果基本一致。这种机制允许对一个概念进行分阶段学习，而且越学习准确度越高，符合不断学习认知的规律。
还有一个就是，动态模板记忆法，这一点与LSTM网络概念有点类似，即如何学习关键特征并且有推出机制，认知是一个过程，例如每个事物都有不同阶段，如早上、中午、晚上，这些动态模板需要具有时序记忆的机制。
总体上，是这么一些思路，在深度学习上，思维要创新。不能局限到当前所取得成就中。