4. 今回調査した記事
• Zoom In: An Introduction to Circuits
• An Overview of Early Vision in InceptionV1
• Curve Detectors
• Naturally Occurring Equivariance in Neural Networks
18. Example 2: High-Low Frequency Detectors
• 曲線検出器は機能が直感的
• ⾼低周波数検出器は直感的ではない機能の⼀つ
• 受容野の⽚側で低周波パターンを、反対側で⾼周波パターンを検出
• -> なぜこのような機能が構築されているのか?
• オブジェクトの境界を検出するための経験則の1つと推測
• (後の記事An Overview of Early Vision in InceptionV1で紹介)
19. Example 3: Pose-Invariant Dog Head Detector
• より⾼レベルの機能のユニットを考察(イッヌ)
• 特徴の視覚化とデータセットの例の組み合わせだけでも、すで
に⾮常に強⼒な説明⼒がある
• 3Dモデルを使⽤して、さまざまな⾓度から⽝の頭の合成画像を
⽣成することで調査可能
• => アプローチのいくつかは⾼レベルな機能調査に多⼤な労⼒が
必要だが、Circuits-Basedアプローチ(後述)だと簡単に適⽤
可能で居⼒なツールとして利⽤可能
86. How important are different points on
the activation spectrum?
• チャートは⼿作業でラベリングされたものを⽐較することには
役⽴だつが、、、
• 3b:379は曲線に対してとても選択的であるように⾒えるが、
ニューロンが発⽕するケースは極稀
• 殆どの場合発⽕せず、発⽕したとしても反応は⾮常に微弱
87. How important are different points on
the activation spectrum?
• ImageNetのexampleに対して、Activation Magunitudeの確率
密度を⾒る
• 活性化マグニチュード当たり(x軸)の⽐率に分割
正直わからん
88. How important are different points on
the activation spectrum?
• グラフより、ニューロンが強く発⽕するケースは稀
• 画像の中で明確な曲線はめったに起こらないので強い発⽕は稀
• 確率密度がニューロンの振る舞いについて考える正しい⽅かどう
かというのは明らかではない
• ケースの⼤部分はニューロンが発⽕しない
• ラベル付のエラーと曲線の希少性が原因というということも考えられる
89. How important are different points on
the activation spectrum?
• 代替⼿段として、期待値への寄与率x * p(x)を考える
• 活性化値がニューロンの出⼒にどの程度影響するか、拡張ネットワー
クの動作によって概算を与えると考えることができる
90. How important are different points on
the activation spectrum?
• 期待値の寄与は、曲線と不完全な曲線が55%を形成
• これは、3b:379が曲線検出器であるという仮説と⼀致しているようみえる
• 発⽕させる他の刺激はラベル付エラー及びノイズの多い画像がニューロン
のmisfireと考えられる
多分ここの面積なぞのひょっこり
Post-activationの平均寄与?
それともマイナスも含む?
91. How important are different points on
the activation spectrum?
• 実験結果から、3b:379は⼈間によるラベル付けの判断にほぼ対
応しているように⾒える
• さらに画像の帰属ベクトルを可視化することで、発⽕する理由は
画像の曲線によるものであり、擬似相関ではないことが分かる
• しかし、これらの実験は曲線ニューロンが曲線画像を検出という
主張には不⼗分
• 曲線画像がデータセットに含まれることはめったに無いため、曲線画像
を体系的に調査する必要あり
次の実験ではこの問題に直接焦点を当て、曲線ニューロンが妥当
な曲線画像空間にどう反応するかを研究
96. Why do we see wispy triangles?
• 三⾓の形状は、曲線検出器が曲率の⾼い曲線のより広い範囲の
⽅向に応答することを⽰している
• 曲率が⼤きければ⼤きいほど反応する⾓度を含んでいる
• 直線には曲線の⽅向が含まれておらず、円にはすべての曲線の⽅向が
含まれていると考えると良い
97. Why do we see wispy triangles?
• ⽅向または曲率のわずかな変化がアクティベーションの劇的な
変化を引き起こす可能性があることを⽰している
• 曲線検出器は繊細で堅牢ではないことを⽰している
98. Why do we see wispy triangles?
• たった2つの変数によって、ほとんど知覚できない摂動が明ら
かになる
• ⾼次元のピクセル空間に有害なエクスプロイトが含まれていることを
⽰しているのではないか?
• 特有の敵対的攻撃を深く研究する研究の⽅向性も⾒えそう?
• Circuits * 初期ビジョンの研究に向いている
• 回路全体を⼊⼒に戻すことがしやすい
• 回路の重要な部分を抽出して個別に研究できる
• => ニューロンをより堅牢にする⽅法、モデル全体を敵対的な攻撃から
保護する⽅法の⼿がかりを与える可能性も⾒えてくる