conv2d0层技术实现

• Gabor滤波器（占比44%）：作为基础边缘检测器，对边缘方向高度敏感。该层包含28组正负配对的滤波器，形成下一层复杂Gabor检测器的基础结构。
• 颜色对比检测器（42%）：在感受野两侧检测互补色，通过27个神经元实现跨通道色彩特征提取。
• 权重矩阵特性：受限于训练时的梯度衰减问题，该层特征呈现"非理想化"状态，与采用BatchNorm的TF-Slim版本相比缺乏清晰的色彩空间划分。

conv2d1层的1×1卷积

• 复杂Gabor单元（14%）：通过整合前层多组Gabor滤波器，实现边缘检测的位置不变性。典型电路显示其同时接受正负相位Gabor输入的加权组合。
• 低频特征检测（27%）：17个神经元负责捕捉宽边缘模式，其感受野经3×3最大池化预处理。
• 色彩处理机制：包含亮度检测（2个单元）和色相分离单元（红/黄与蓝/绿检测器各1个），依赖局部响应归一化层实现色彩空间映射。

conv2d2层的3×3卷积

• 初级形状检测：
  • 线检测器（17%）：33个单元通过"梳状效应"整合垂直方向次级响应
  • 微曲线检测（6%）：12个单元通过分段Gabor权重实现曲率检测
  • 移位边缘检测（8%）：16个单元专用于非中心位置边缘响应
• 纹理合成：包含Gabor纹理（12单元）和网格纹理（15单元），通过空间权重矩阵实现模式重复检测。

mixed3a层混合架构

• 黑白检测电路：通过负权重抑制所有色彩特征激活（NOT逻辑实现）
• 几何形状构建：
  • 三角形检测器：整合6组conv2d2层的线检测单元
  • 圆形检测器：组合曲线单元与原始圆形检测器（conv2d2:182）
• 高频-低频检测器（6%）：15个单元构成物体边界检测的基础模块

mixed3b层高级特征

• 边界检测系统（8%）：36个单元融合三类线索：
  1. 高频-低频过渡（来自mixed3a）
  2. 色彩对比梯度
  3. 原始边缘响应
• 生物特征检测：
  • 原始头部检测器（3%）：整合毛发纹理与微型眼部检测单元
  • 定向毛发检测：通过5组mixed3a层毛发前体单元的空间汇聚实现
• 曲线进化：包含螺旋（347）、S型曲线（338）等复杂形状检测器，其权重矩阵呈现明显的曲线片段组合模式

所有电路可视化数据可通过JSON文件获取：conv2d0、conv2d1、conv2d2、mixed3a、mixed3b。权重矩阵采用红（兴奋）/蓝（抑制）色度编码，点击神经元可查看其前后50个最强连接。