卷积网络的可视化与理解
计算机视觉与模式识别
2013-12-02 v3
摘要
大型卷积网络模型最近在 ImageNet 基准测试中展示了令人印象深刻的分类性能。然而，人们尚不清楚它们为何表现如此优异，或如何加以改进。本文针对这两个问题展开研究。我们引入了一种新颖的可视化技术，用以洞察中间特征层的功能及分类器的运作机制。我们还进行了消融研究，以发现不同模型层对性能的贡献。这使我们能够找到在 ImageNet 分类基准测试中超越 Krizhevsky 等人的模型架构。我们表明，我们的 ImageNet 模型能很好地泛化到其他数据集：当重新训练 softmax 分类器时，它在 Caltech-101 和 Caltech-256 数据集上令人信服地超越了当前的 state-of-the-art 结果。
引用
@article{arxiv.1311.2901,
title = {Visualizing and Understanding Convolutional Networks},
author = {Matthew D Zeiler and Rob Fergus},
journal= {arXiv preprint arXiv:1311.2901},
year = {2013}
}