ZFNet CNN卷积网络的发展史 1. LetNet5(1998) 2. AlexNet(2012) 3. ZFNet(2013) 4. VGGNet(2014) 5. GoogLeNet(2014) 6. ResNet(2015) 7. DenseNet(2017) 8. EfficientNet(2019) 9. Vision Transformers(2020) 10. 自适应卷积网络

文章目录 一、介绍二、方法(有监督学习)1、反卷积网络（可视化）1.1、反池化（上采样）1.2、反激活1.3、转置（反）卷积 三、训练细节四、卷积网络可视化4.1、模型改进4.2、局部遮挡敏感性分析4.3、图像的局部相关性分析 五、实验5.1、ImageNet 2012 总结ZFNet代码实现（pytorch）可视化网络中间层特征图（pytorch）方法一：方法二：方法三：方法四：调用现成

视觉分类任务 文章目录 一、分类任务简介1.1、分类发展简史 二、卷积知识回顾2.1、卷积运算2.2、池化运算2.3、padding运算2.4、三维卷积(池化)2.5、LeNet5 ：一切的原点 三、AlexNet&ZFNet3.1、AlexNet(2012)：深度CNN与BD的首次触电3.2、ZFNet(2013)：过渡,对AlexNet小调整 四、VGG(2014)：“标准模块+堆叠”

ZFNet论文阅读 文章目录 ZFNet论文阅读单词不重要的重要的 卷积结果可视化网络对不同特征的学习速度图片平移、缩放、旋转对CNN的影响遮挡对卷积模型的影响汉明距离代码 Visualizing and Understanding Convolutional Networks 参考资料：https://blog.csdn.net/qq_39297053/articl