KerasKorea#40: Translate 5.3 - paragraph 2 / 17

40_Keras와 Jupyter Notebook으로 시작하는 딥러닝/5.4-CNN 시각화해보기.ipynb

@@ -63,23 +63,35 @@
    "metadata": {},
    "source": [
     "# Paragraph 2\n",
-    "* Visualizing intermediate convnet outputs (\"intermediate activations\"). This is useful to understand how successive convnet layers \n",
-    "transform their input, and to get a first idea of the meaning of individual convnet filters.\n",
-    "* Visualizing convnets filters. This is useful to understand precisely what visual pattern or concept each filter in a convnet is receptive \n",
-    "to.\n",
-    "* Visualizing heatmaps of class activation in an image. This is useful to understand which part of an image where identified as belonging \n",
-    "to a given class, and thus allows to localize objects in images.\n",
+    "* Visualizing intermediate convnet outputs (\"intermediate activations\"). \n",
     "\n",
-    "For the first method -- activation visualization -- we will use the small convnet that we trained from scratch on the cat vs. dog \n",
-    "classification problem two sections ago. For the next two methods, we will use the VGG16 model that we introduced in the previous section."
+    "This is useful to understand how successive convnet layers transform their input, and to get a first idea of the meaning of individual convnet filters.\n",
+    "\n",
+    "* Visualizing convnets filters. \n",
+    "\n",
+    "This is useful to understand precisely what visual pattern or concept each filter in a convnet is receptive to.\n",
+    "\n",
+    "* Visualizing heatmaps of class activation in an image. \n",
+    "\n",
+    "This is useful to understand which part of an image where identified as belonging to a given class, and thus allows to localize objects in images.\n",
+    "\n",
+    "For the first method -- activation visualization -- we will use the small convnet that we trained from scratch on the cat vs. dog classification problem two sections ago. \n",
+    "\n",
+    "For the next two methods, we will use the VGG16 model that we introduced in the previous section."
    ]
   },
   {
    "cell_type": "markdown",
    "metadata": {},
    "source": [
     "# Paragraph 2\n",
-    "To do"
+    "* 컨볼루션 네트워크 중간 레이어의 특징 시각화하기 (\"intermediate activations\"). 이 방법은 잇따른 컨볼루션 레이어가 입력을 어떻게 변환시키는지를 이해하기 좋습니다. 그리고 각 컨볼루션 필터들의 의미를 이해하는데 도움이 됩니다. \n",
+    "\n",
+    "* 컨볼루션 필터 시각화하기. 이 방법은 컨볼루션 필터가 정확하게 어떤 시각 패턴을 찾고있는지 이해하는데 도움을 줍니다. \n",
+    "\n",
+    "* 이미지에 클래스 활성(class activation) 히트맵 시각화하기. 이 방법은 이미지의 어디를 보고 해당 클래스로 분류했는지를 이해할 수 있고. 이를 통해 이미지 내에 객체의 위치를(localize) 알 수도 있습니다. \n",
+    "\n",
+    "첫 번째 방법 -- 중간레이어 시각화하기 -- 을 하기 위해서, 전 장에서 개 vs 고양이 분류를 밑바닥부터 학습시켰던 작은 컨볼루셔 네트워크를 사용할 것입니다. 그리고 남은 두 가지 방법은 전 장에서 소개드렸던 VGG16 네트워크를 이용할 것입니다. "
    ]
   },
   {