CNN模型之ZFNet

最新推荐文章于 2024-04-01 17:12:47 发布
最新推荐文章于 2024-04-01 17:12:47 发布
阅读量553 收藏
点赞数
分类专栏： CNN模型 文章标签： ZFNet 可视化网络 反卷积 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gyt15663668337/article/details/100678119
版权
一、介绍

        ZFNet是Matthew D.Zeiler于2013年提出，并获得了13年ImageNet的冠军。2012年AlexNet问世，并在ImageNet竞赛中取得了优异的成绩，也证明了大的卷积网路的性能优异，但是我们并不知道为什么CNN性能好。因此，这篇论文介绍了一个可视化技术来了解隐藏层做了什么以及怎么进行分类。也是基于这个技术，作者对AlexNet进行了优化，调整之后的网络的性能在很多问题上性能都好于AlexNet。

二、模型结构

ZFNet模型结构图
        ZFNet的网络结构是基于AlexNet改进的。作者通过可视化技术发现小尺度的过滤器比大尺度的过滤器所得到的特征更加好。并且第一层的步长太大，导致后面出现混叠现象，学到的特征不是很好。因此，主要做了以下更改：

  • 将第一层的滤波器由 11 × 11 11\times 11 11×11调整为 7 × 7 7\times 7 7×7。
  • 将第一层的步长由4调整为2.

可视化技术：
在这里插入图片描述
        如上图所示，通过反池化和反卷积得到原始图像。经过了可视化后，发现调整尺寸和步长后，得到的中间层特征更好。
在这里插入图片描述

三、总结

        经过对中间层的可视化，可以观察到模型中间层的特征。并依据特征的好坏调整模型的卷积核大小和步长。在ImageNet上取得了比AlexNet更好的成绩，获得了2013年的第一名。这个技术也让我们明白了卷积神经网络是如何工作的。最后，在代码实现中，仅仅构造了网络的结构，我使用的是cifar10数据集。如果训练需要更改网络的一些设置。

友情链接：
代码实现：https://github.com/guoyuantao/CNN_Model/tree/master/CNN_on_cifar_ByPytorch
联系方式：2391855138(加好友请备注)

勤奋的小学生
关注
专栏目录
DL之ZFNet：ZFNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
04-22 1万+
​ DL之ZFNet：ZFNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 ILSVRC2013比赛的简介 ZFNet算法的简介 ZFNet算法的案例应用 ILSVRC2013比赛的简介 官网地址：ImageNet 这篇链接地址，介绍了ILSVRC2013比赛的相关信息。 背景：ImageNet数据库和对应分类挑战赛。 数据：两个任务，一个是目标检测任务共200类，一个是图像分类任务共1000类。 时间表：赛程内容和时间安排。 组织者：组织机构与联系方式。 赞
利用Keras实现常用CNN结构——LeNet、AlexNet、ZFNet、VGGNet、GoogLeNet、ResNet（修正版）
hhy_csdn的博客
12-05 4977
在代码最前面加上 from keras.models import Sequential from keras.layers import Input,Dense,Conv2D,MaxPooling2D,UpSampling2D,Dropout,Flatten from keras.layers import BatchNormalization,AveragePooling2D,concate...
ZFNet详解
For_learning的博客
03-22 1042
ZFNet 论文《Visualizing and Understanding Convolutional Neural Networks》 1 论文思想 文章主要用于实现卷积神经网络（CNN，Convelutional Neural Network）的可视化工作，主要是针对于CNN每层得到的特征映射（feature mapping）的可视化。 博客中提到的feature mapping指的是一般化的特征映射，即经过卷积激活池化后得到的特征映射，这一点与论文中的表述有所冲突，请注意分辨。 文中指出，C
（三）卷积神经网络模型之——ZFnet
ximu__l的博客
03-12 1668
关于经典模型ZFnet的全面介绍和原理分析。
ZF-net
热门推荐
chenyanqiao2010的博客
01-09 1万+
ZF -net
【CNN模型笔记（三）】ZFNet模型
积累 沉淀 博学 广思
06-04 1102
一.简介 ILSVRC2013分类任务的冠军，使用反卷积对CNN的中间特征图进行可视化分析，通过分析特征行为找到提升模型的办法，微调Alexnet提升了表现。 该论文最大的贡献在于通过使用可视化技术揭示了神经网络各层到底在干什么，起到了什么作用。 从科学的观点出发，如果不知道神经网络为什么取得了如此好的效果，那么只能靠不停的实验来寻找更好的模型。 使用一个多层的反卷积网络来可视化训练过程...
深度学习之卷积神经网络 ZF Net
fenglepeng的博客
06-08 1771
ZFNet出自论文《 Visualizing and Understanding Convolutional Networks》，作者Matthew D. Zeiler和Rob Fergus——显然ZFNet是以两位作者名字的首字母命名的。ZFNet通常被认为是ILSVRC 2013的冠军方法，但实际上ZFNet排在第3名，前两名分别是Clarifai和NUS，不过Clarifai和ZFNet都出自Matthew D. Zeiler之手，见ILSVRC2013 results。 ZFNet的网络架构是在A
CNN网络架构 -- ZFNet
weixin_38862073的博客
07-05 331
简介 ZFNet模型获得2013年ImageNet视觉挑战赛的冠军，是在AlexNet的基础上改进而来，网络结构没有太大的突破，论文名称是《Visualizing and Understanding Convolutional Networks》。论文最大的贡献是通过可视化技术揭示了神经网络的各层到底在干什么，起到了什么作用，作者使用多层的反卷积来可视化训练过程中特征的演化及发现潜在的问题。 论文动机 CNN性能良好，识别分类精度高，但不知道为何良好，网络像黑箱子，可解释性差。 网络架构 网络整体架构和A
ZFNet中文翻译1
08-03
尽管取得了显著的成就，但人们对CNN模型为何如此有效，以及如何进一步优化仍缺乏深入理解。为了探究这个问题，作者引入了一种新的可视化技术，该技术能够揭示中间特征层的功能以及分类器的工作机制。通过这种可视化...
细讲：RCNN、Fast R-CNN和Faster R-CNN
填坑
02-27 1776
细讲：RCNN、Fast R-CNN和Faster R-CNNR-CNNR-CNN模型结构one-stage ：Region ProposalSelective searchtwo-stage ：Classification and bounding box regressionClassificationbounding box regressionLossFast R-CNNFast R-CNN模型结构RoI featureSVDClassificationbox regressionLossFast
ZFNet:通过Tensorflow实现ZFNet（或ZF-Net）
05-13
以上帝的名义 ZFNet 该存储库包含 （可视化和理解卷积网络）的实现以及使用进行测试的网络。 下载CIFAR-10数据集 在训练和评估网络之前，应下载以下数据集： CIFAR-10数据集： ://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz 解压缩cifar-10-python.tar.gz文件，然后您的文件夹结构应如下图所示： 训练CIFAR-10数据集 要使用cifar-10数据集训练网络，请在命令提示符下键入以下命令： python3 ./train.py cifar-10数据集的样本图像： 结果 时代0 Train Accuracy = 0.100 Test Accuracy = 0.100 纪元1 Train Accuracy = 0.215 Test Accuracy = 0.216 纪元2 Train Ac
Deep learning学习笔记(2)：Visualizing and Understanding Convolutional Networks(ZF-net)
Focusing on your own Mind :) －> 站在巨人的肩膀上
04-28 5410
reference link: http://blog.csdn.net/whiteinblue/article/details/43312059 本文是Matthew D.Zeiler 和Rob Fergus于（纽约大学）13年撰写的论文，主要通过Deconvnet（反卷积）来可视化卷积网络，来理解卷积网络，并调整卷积网络；本文通过Deconvnet技术，可视化Alex-net，并
【论文快读】ZF-Net（2013）
玄云飘风的博客
05-11 453
链接：http://www.arxiv.org/abs/1311.2901 作者：Matthew D. Zeiler, Rob Fergus 摘要：
ZF-Net 理解
qq_53029963的博客
12-20 996
论文名称《Visualizing and Understanding Convolutional Networks 》 论文最大的贡献在于通过使用可视化技术揭示了神经网络各层到底在干什么，起到了什么作用。 如果不知道神经网络为什么取得了如此好的效果，那么只能靠不停的实验来寻找更好的模型。 使用一个多层的反卷积网络，来可视化训练过程中特征的演化及发现潜在的问题；同时根据遮挡图像局部，对分类结果的影响来探讨对分类任务而言，到底那部分输入信息更重要。 反卷积网络： 反卷积网络的每一层都可以看做卷积网络中
ZFNet（可视化和理解卷积网络）
最新发布
weixin_45922695的博客
04-01 1745
在大型卷积网络在ImageNet比赛上表现出非常好的性能，但是人们并没有明确的理解他们为什么表现得如此优秀，并且如何改进他们，ZFNet介绍了一种新的可视化技术，帮助我们了解其中的原理，这也是他最大的贡献。
深度学习--论文回顾：ZF-NET
freedom的博客
12-17 391
ZFNet: 基于AlexNet进行微调。主要改变： AlexNet用了两块GPU的稀疏连接结构，而ZFNet只用了一块GPU的稠密连接结构。 改变了AlexNet的第一层：把kernal-size从11*11变成7*7，步长从4变成2。 TOP5错误率：11.2% 使用RELU激活函数和交叉熵损失函数 使用反卷积，可视化feature map。通过特征图可以看出，特征分层次体系结构。前...
【深度学习】ZFNet 网络
JNing
01-18 6663
【深度学习】ZFNet 网络
ZFNet 详细解读
qq_43722079的博客
07-30 4524
❤ 文章有点长，可以收藏一下慢慢看哦 ~ 提出本模型的论文： Visualizing and Understanding Convolutional Networks 一、写在前面的话 1. 为什么神经网络能够表现这么好？ 仅靠一个理论上的自学习和一个理论上的多参数和一个理论上的非线性分类是无法令人们满意的。神经网络的黑盒子特性也让充满好奇心的机器学习学者们拼命想解开神经网络的秘密。在解密神经网络的庞大队伍中的重要分支是想要利用可视化等技术来对神经网络一探究竟，其中 Z 和 F 二人 开篇性的找.
神经网络学习之路：3-ZF-Net
qq_34792438的博客
07-28 3301
ZF-Net卷积神经网络的理解并对手势数据集识别 源码：https://github.com/DoubleYuanL/ZF-Net.git 附带数据集
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值