深度卷積網路的識圖能力，強在哪，弱在哪？一個小實驗（多圖）

看過 ImageNet 的讀者，會知道其中的大部分照片都是普通人隨手拍的。那麼，如果僅用 ImageNet 訓練網路，在面對高質量攝影作品時的識圖能力如何？這裡用一個 ResNet-152 網路實驗。

藝術化的排列，能識別嗎？YES。網路知道這是鉛筆。

抽象的圖案，能識別嗎？YES。網路知道這是螺旋形。

網路知道這是三角的建築圖案效果：

這是什麼，能識別嗎？YES。網路知道這是多彩的陣列。

這可能是因為，各種色彩也在 ImageNet 的分類之中。例如下面的圖，網路稱為《黃色》。

那麼，我們看個難的，這張圖，幾乎沒有什麼典型特徵，應該命名為什麼？

。

。

。

。

。

。

。

。

。

。

網路稱之為 stucco，專業，意思是 粉飾灰泥 的牆面。很准。

這麼准？再來一個，你看得出是什麼嗎？

。

。

。

。

。

。

。

。

。

。

這次網路不行了，它看來看去都覺得這是樂器。這段木頭還真的有點像樂器。

我們來點物體吧。大特寫，網路能看出來嗎？YES。它知道這是皺紋，而且是大象的。非常專業的詞：pachyderm，厚皮動物。

只露一點點的馴鹿，網路能找到嗎？YES。

網路精細識別動物的能力很強。例如它知道，這是查理士王小獵犬。

網路知道，這是 gotwit，塍鷸：

網路知道，這是象牙鷗：

好吧，那麼，下面這是什麼？請讀者不要急著往下翻，先自己想一個答案。

。

。

。

。

。

。

。

。

。

。

。

。

。

網路明確地告訴你，這是西高地白梗！說實話我甚至看不出來這是狗還是貓！

真的這麼厲害嗎？我們來個奇怪的角度：

。

。

。

。

。

。

。

。

。

。

這次網路不行了，它說這是雕像。

那麼，特殊的光照效果呢？

。

。

。

。

。

。

。

。

。

。

網路沒有受到干擾，知道這是貓。

下面加入人。網路能看出，這裡的概念是：姐妹/雙胞胎。

網路認為這位模特有點瘋：

網路認為這是美女：

網路精準識別和服：

網路知道這張的主體是裙子：

網路知道這是背光效果中的舞者：

也知道這是芭蕾！

網路判斷這位是奈及利亞人！

網路說這是藏民：

網路可以將下圖命名為《眼罩》！

下面這張照片，該稱為什麼？嬰兒？

。

。

。

。

。

。

。

。

。

。

網路告訴你，這應該稱為《父親》。估計是因為這樣拋小孩的一般是父親。

不過，網路堅信下面這位是男的：

網路認為這張照片描繪的是...... 南瓜田？！顏色有點像：

網路認為這是穿成衣展示的模特，不無道理：

網路看得出這張的主題是鏡子/面紗：

看一些物體。網路知道這是破船，不是水桶：

網路知道這是挖掘機：

網路說這是宇宙飛船發射，hmm......：

網路說這是火山和氣泡：

令人驚訝的是，網路沒有識別出這張金門大橋，儘管訓練圖片中肯定有許多張：

正常的橋是沒問題的，布達佩斯：

網路知道這是太空：

So，你覺得深度卷積網路的識圖能力如何？

1. DCNN 對於決定性細節的捕捉能力很強。例如鹿角，芭蕾舞鞋，眼罩。
2. DCNN 對於細緻類別的分類能力很強，例如各種動物。
3. DCNN 對於不常見角度，不常見模式的圖片，有可能陷入「思維慣性"的誤區。這也許會在採用更多的訓練數據後得以解決，因為人類的創意模式在較大程度上仍然是比較固定的。
4. DCNN 有時會有令人詫異的漏洞，例如這裡的金門大橋的例子。

推薦閱讀：