深度学习网络篇——ZFNet（Part1 从AlexNet到ZFNet）

一、上回说到的 AlexNet

请各位看官们参见博客之前的文章： 深度学习网络篇——AlexNet https://blog.csdn.net/weixin_43624538/article/details/83988998
1）AlexNet性能举世瞩目
top-1和top-5错误率分别为37.5%和17.0%。
2）由下面的原因，人们也对卷积网络空前关注：
1） 大量有标签的数据集ImageNet；
2）强有力的GPU计算，使训练复杂模型更容易实现
3）更好的归一化策略，如dropout

二、Why:ZFNet为什么有?

AlexNet如此优秀，随之提出了两个问题：
1）为什么能表现的这么好，
2） 怎么样能变得更好
纵然AlexNet好用，我们不清楚该模型的内部（仍然缺乏洞察力，认知十分有限）。
------从科学立场，模型的发展就是反复实验和减小误差了。
于是有了本篇论文……

**Visualizing And Understanding Convolutional Networks **

三、What:ZFNet做了什么？

1. 一个可视化技术来观察
------理解 中间特征层的功能
------理解 分类器层的操作
2. 到改进神经网络的结构的方法

四、How: ZFNet怎样做的？

1. 使用反卷积（Deconvnet），可视化特征图（feature map）
1）Ablation Study剥离的研究：以发现不同模型层的性能贡献。
2）Evolution 逐层的演变
3）Project 映射回输入像素空间
4）Sensitivity 敏感度分析
------为了得到场景的哪一部分对于分类很重要，我们将输入图像