前言
deconv的用处还挺广的,涉及到
- visualization
- pixel-wiseprediction
- unsupervised learning
都会用到deconv的结构。比如Deconvolutional Network做图片的unsupervised feature learning,ZF-Net论文中的卷积网络可视化,FCN网络中的upsampling,GAN中的Generative图片生成。Matthew D. Zeiler这位大牛在反卷积上做了很大贡献,先后发表多篇有关反卷积的paper。
相关paper
按时间先后顺序排序:
- 提出反卷积概念:Zeiler M D, Krishnan D, Taylor G W, et al. Deconvolutional networks[C]. Computer Vision and Pattern Recognition, 2010.
作者、论文地址、PPT地址
- 无监督学习: Zeiler M D, Taylor G W, Fergus R, etal. Adaptive deconvolutional networks for mid and high level featurelearning[C]. International Conference on Computer Vision, 2011.本文以无监督学习形式提出“反卷积”概念。
- 卷积网络可视化 : Zeiler M D, Fergus R. Visualizing and Understanding Convolutional Networks[C]. European Conference on Computer Vision, 2013.
论文地址、video、翻译地址
CNN可视化
- Feature Visualization
- 谷歌的新CNN特征可视化方法,构造出一个华丽繁复的新世界
- 能帮你更好理解分析深度卷积神经网络,今天要解读的是一款新型可视化工具——CNNVis,看完就能用!
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)