ZFNet: Visualizing and Understanding Convolutional Networks

目录

• 论文结构
• 反卷积

ZFnet的创新点主要是在信号的“恢复”上面，什么样的输入会导致类似的输出，通过这个我们可以了解神经元对输入的敏感程度，比如这个神经元对图片的某一个位置很敏感，就像人的鼻子对气味敏感，于是我们也可以借此来探究这个网络各层次的功能，也能帮助我们改进网络。

论文结构

1. input: $3 \times 224 \times 224$, filter size: 7, filter count: 96, stride: 2, padding: 1, 我觉得是要补一层零的，否则输出是109而不是110-->ReLU --> maxpool: size: $3 \times 3$, stride: 2, 似乎这里也要补一层零， 否则 $\lfloor \frac{110-3}{2}+1 \rfloor=54$ --> contrast normalized;
2. input: $96 \times 55 \times 55$, filter size: 5, count: 256, stride: 2, padding: 0 --> ReLU --> maxpool: size: $3 \times 3$, stride: 2, padding: 1--> contrast normlized;
3. input: $256 \times 13 \times 13$, filter size: 3, count: 384, stride: 1, padding: 1 --> ReLU
4. input: $384 \times 13 \times 13$, filter size: 3, count: 384, stride: 1, padding: 1 --> ReLU
5. input: $384 \times 13 \times 13$, filter size: 3, count: 256, stride: 1, padding: 1 --> ReLU --> maxpool: size: 3, stride: 2, padding: 0 --> contrast normlized?
6. input: $6 * 6 * 256$ -- > 4096 -- > ReLU -- > Dropout(0.5)
7. input: 4096 -- > 4096 --> ReLU -- > Dropout(0.5)
8. input: 4096 --> numclass ...

反卷积

网上看了很多人关于反卷积的解释，但是还是云里雾里的.

先关于步长为1的，不补零的简单情况进行分析吧, 假设:

input: $i \times i$,
kernel_size: $k \times k$ ,
stride: 1,
padding: 0

此时输出的大小$o$应当满足：

$$i = k + o - 1 \Rightarrow o = i-k+1$$

现在，反卷积核大小依旧为$k'=k$, 那么我们需要补零$c'$为多少才能使得反回去的特征大小为$i$.
即:

$$2c' + o = k + i-1 \Rightarrow c'= k-1$$

即我们要补零$c'=k-1$.

如果stride 不为1呢？设为$s$, 那么:

$$i = k + s(o-1) \Rightarrow o = \frac{i-k}{s}+1$$

按照别的博客的说话，需要在特征之间插入零那么:

$$2c'+(s-1)(o-1) +o= k+s'(i-1)$$

如果我们希望$s'=1$（至于为什么希望我不清楚）:

$$c' = k-1$$

如果还有补零$p$:

$$i+2p = k+s(o-1)$$

但是回去的时候我们是不希望那个啥补零的，所以:

$$2c'+(s-1)(o-1) +o= k+s'(i-1)$$

不变,
如果$s'=1$, 结果为:

$$c' = k-p-1$$

最大的问题是什么，是why! 为什么要这样反卷积啊？