CNN特征可视化报告.pptVIP

卷积神经网络特征可视化报告 ?AnnualReport 汇报人：龚志雄 第一页，编辑于星期六：一点 三十一分。 首先介绍一篇可以视为CNN可视化开山之作的论文：Visualizing and Understanding Convolutional Networks。作者是Matthew D. Zeiler和Rob Fergus，于2014年发表在ECCV（欧洲计算机视觉国际会议）。通过反卷积可视化等技术，作者改进了AlexNet的网络结构得到了ZFNet，使得识别率进一步提高。 今年来CNN在图像分类和物体检测领域大放异彩，主要是以下几项因素的作用:1.数以百万计带标签的训练数据的出现；2.GPU的强大计算能力；3.更好的模型调优策略：如DropOut策略，使得训练大的模型成为可能。尽管如此，从科学的角度来看，这是令人很不满意的。因为我们并不能解释这个复杂的模型，也就不理解为什么它能达到这么好的效果，而不了解这个模型如何工作和为什么有作用，我们改进模型就只能使用试错法。这篇论文提出了一种新的可视化技术，揭示了模型中任意层的特征图片与输入之间的响应关系。 论文介绍 第二页，编辑于星期六：一点 三十一分。 上面的结构就是作者此篇论文中使用的CNN网络结构，它是根据AlexNet的网络结构改进而来的，本文选择了ImageNet2012作为训练集