技术摘要：
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 全部
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。
技术实现要素：
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 pull Ubuntu， 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。 4 CN 111598226 A 说 明 书 2/7 页 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， 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。 一种用于图像识别的卷积网络可视化系统，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， 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。 一种用于图像识别的卷积网络可视化装置，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，执行所述的一种用于图像识 别的卷积网络可视化方法。 一种计算机可读介质，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，使所述处理器执行所述的一种用于图像识别的卷积网络可视化方 法。 本发明的有益之处是： 本发明提供一种用于图像识别的卷积网络可视化方法，通过Docker容器安装 Caffe，以及封装前端深度学习可视化工具箱，利用深度学习可视化工具箱展示Caffe中卷 积神经网络模型识别图像过程中逐层学习到的特征呈现分层特性，展示卷积核、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中，可显示底层是一些边缘角点和颜色的 抽象特征，越到高层则越呈现出具体的特征，使获得图像的识别结果的过程可视化，增加了 可解释的依据，完善了检测跟踪以及直观的展示解释方式，能够被大众接收，并且本发明方 法可在多平台上运行，无论是物理机、虚拟机、公有云、私有云，甚至是笔记本电脑，其运行 结果是一致的。 附图说明 图1是本发明方法流程示意图； 图2本发明方法图像识别流程示意图。
