计算机视觉与深度学习-经典网络解析-ZFNet-[北邮鲁鹏]

ZFNet

ZFNet是一种基于AlexNet的模型，由Matthew D. Zeiler和Rob Fergus在2013年提出。相对于AlexNet，ZFNet结构与AlexNet网络结构基本一致，进行了一些改进，包括卷积核。

主要改进

减小第一层卷积核

如果第一层的卷积核很大，那么第一层提取的就是粗粒度的信息，之后的层也将会丢掉细粒度的信息。相比AlexNet第一层卷积核大小为 11×11，ZFNet将第一个卷积层的卷积核大小改为7 × 7，卷积核减小，这样做的目的是为了增加感受野（receptive field），即更大范围内的像素对输出的影响。

ZFNet可以更好地捕捉图像中的局部特征，可以观察更细粒度的东西。并且具有更好的细节分辨能力。

将第二、第三个卷积层的卷积步长都设置为2

相比AlexNet第一层的卷积步长4，ZFNet将第一层的卷积步长设置为2，为了不让原始图像的分辨率不会降低过快，不会使得图像分辨率降低过快导致信息损失的太快。

增加了第三、第四个卷积层的卷积核个数

在AlexNet中，第三个卷积层有384个卷积核，而第四个卷积层有256个卷积核。
在ZFNet中，第三个卷积层的卷积核个数增加到了512个，而第四个卷积层的卷积核个数增加到了1024个。

ZFNet在第三个和第四个卷积层中增加了卷积核的个数。这样做的目的是增加网络的表达能力，以便更好地捕捉图像中的细节和特征。通过增加卷积核的个数，ZFNet可以更好地学习图像的细节和抽象特征，从而提高模型的性能和准确度。这些改进使得ZFNet在图像分类和计算机视觉任务中取得了较好的结果。