Computer vision Google Inceptionism：按类获取图像

在著名的Google Inceptionism文章中， 它们显示为每个类获取的图像，例如香蕉或蚂蚁。我想对其他数据集也这样做

这篇文章确实描述了它是如何获得的，但我觉得解释是不够的

有一个相关的代码

但它所做的是生成一个随机的梦幻图像，而不是指定一个类，并了解它在网络中的外观，如上面的文章所示

有谁能给出一个更具体的概述，或者关于如何为特定类生成图像的代码/教程吗？（最好假设caffe框架）

我认为这是一个很好的起点，可以重现谷歌团队发布的图像。程序看起来很清楚：

从纯噪声图像和类开始（说“猫”）

执行前向传递，并通过施加的类标签反向传播错误

使用在数据层计算的梯度更新初始图像

有一些技巧，可以在中找到

看起来主要的区别在于谷歌的人试图得到一个更“真实”的图像：

就其本身而言，这并不能很好地发挥作用，但如果我们施加一个先验约束，即图像应该具有与自然图像相似的统计信息，例如需要关联的相邻像素，则效果会很好

---

你的问题不清楚。“你能澄清一下吗？”谢伊抱歉，重新措辞了这个问题。基本上，我们想在本文中为其他数据集提供ant、banana示例。