卷 积 神 经 网 络 特 征 可 视 化 报 告 A n n u a l R e p o r t汇报人:龚志雄1 ppt 课件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