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