#本文意为总结自己学习的网络模型，以留作笔记使用,如有错误，欢迎在下方评论
一、简介
ZFNet的网络结构，是在AlexNet上进行了微调，其主要贡献在于通过使用可视化技术揭示了神经网络各层到底在干什么，起到了什么作用。
二、网络结构
在AlexNe上改进：
(1)AlexNet是用两块GPU的稀疏连接结构，而ZFNet只用了一块GPU的稠密链接结构
(2)改变了AleNet的第一层，将过滤器的大小由11*11变成7*7，并且将步长由4变成2，使用更小的卷积核和步长，保留更多特征
(3)将3，4，5conv层变成了全连接层
(4)使用Relu函数和交叉熵损失函数
三、贡献
![]()
反卷积的具体过程：
Unpooling：在卷积神经网络中，最大池化是不可逆的，作者采用近似的实现，使用一组转换变量switch 记录每个池化区域最大值的位置。在反池化的时候，将最大值返回到其所应该在的位置，其他位置用0补充。
Rectification：反卷积的时候也同样利用ReLU激活函数
Filtering：解卷积网络中利用卷积网络中相同的filter的转置应用到Rectified Unpooled Maps。也就是对filter进行水平方向和垂直方向的翻转。
一些详细的概念：https://blog.csdn.net/chenyuping333/article/details/82178769
论文总结:https://blog.csdn.net/cdknight_happy/article/details/78855172