試圖用圖像顯示出卷積網絡所學習的內容，以找到改進網絡的方法。其中要可視化某一層需要將去去池化，整流，乘以過濾器矩陣的轉置。
去池化：在池化時會生成一個對照表，記錄最大池化位置，去池化時將最大值放入池化前位置，其餘位置放0
整流：將去池化的結果輸入到整流函數
過濾器：整流後乘以過濾器的轉置，已重新構成卷積前的特徵圖
4.底層的特徵收斂比較快，高層的特徵收斂比較慢，特徵具有平移，縮放不變性，沒有對稱不變性
4.1 第一層第二層混合了高頻和低頻信息，還有未擬合的中頻信息，第二層中還出現了一些混疊現象
4.2 遮擋敏感性 學習過程中遮擋，減少了特徵的學習，分類效果減弱
4.3 深度模型在進行一種非精確的計算，使用定義的公式計算原始圖片和遮擋圖片特徵圖的差量，如果數值越小，則遮擋部分越穩定，不是激活特徵