[ZFNet论文阅读] Visualizing and Understanding Convolutional Networks

论文地址：Visualizing and Understanding Convolutional Networks

概述

1.提出通过可视化feature map的方法来“诊断”网络，并提出比Alexnet更好的网络结构。

2.具体的可视化方法是用不参与训练的反卷积来将feature map还原到原图大小，如果是maxpooling操作，还需要在前馈时记录最大值的位置，unpooling的时候还原到最大值上。

3.通过比较特征图在不同的垂直平移，尺度和旋转下，比较和原图的差异，说明，输出结果对垂直平移和尺度的敏感性较小，对旋转较敏感(除了对一些具有旋转不变性的物体不敏感以外)

4.通过比较Alexnet和ZFNet的第一次和第二层特征，可以发现多个问题，然而我并没有看懂，下面贴原文，希望有人可以给出自己的理解。

5.通过遮挡实验证明，网络是可以定位到场景中某个具体的目标的(当目标被遮挡时，输出概率下降明显)

6.网络feature map的一致性分析，我又没看懂，求大神指教。

为什么说，从layer5能看出，网络隐式地建立了一定的对应关系；从layder7的相近得分，能猜测网络是为了区分狗的类别？

网络结构

实验结果

比较了一下各种

总结

注：个人总结，如有错误，欢迎指正。