ZFNet
原文链接 参考翻译 视频 ZFNet 由于以11.7%的错误率摘得2013ImageNet竞赛冠军而名声大噪，本篇论文就是讲述作者对网络可视化的相关研究成果，主要目的在于：思考为什么类似AlexNet的网络性能这么好？如何继续提升他们的性能 论文具体内容这里不再赘述，参考原文和翻译（链接都已给出）即可，这里介绍一下论文中的几个关键内容。 1. 网络结构 ZFNet 的结构是基于 AlexNet 的改良，基本结构仍然是：输入层 + 一系列隐含层（卷积/激活/池化/对比度归一化）+ 全连接 + softmax。 2. 可视化 文章中对网络的可视化主要靠三个操作： 反池化（Unpooling）：记录局部池化最大位置，反池化时进行对应位置填充 修正（Rectification）：ReLU 滤波（Filtering）：对原滤波器进行转置 3. 特征可视化 这里呈现的是，训练结束后的模型，在给定特征图下，每层的9个最强激活特征（top 9 strongest activations for a given feature map），及其对应的原图对应区域。 4. 技术应用 作者通过可视化工具，对特征演进、特征不变性、模型改良、遮挡敏感性、特征一致性等等多个方面做了分析。比如，对高层特征来说，其具有平移不变性、放缩不变性，而不具备旋转不变性；通过特征演化发现高层特征比低层特征收敛得慢得多