echo爱毛毛的专栏

Related work DeConvNets最初用于非监督学习【1】【2】，后被用于可视化【3】。文章【4】基于文章【5】，文章【5】是在先前hog,sift,BoVW或其他一些神经网络表达基础上。【6】学习第二个网络用于第一个网络的inverse。【7,8,9】利用cnn的特性，生成图像confuse them。本文与【10】的工作相似。 近期DeConvNets被用于语义图像分割 [1]

文章未看，和作者同学在mla会议上交流，大致意思，在Understanding Deep Image Representations by Inverting Them文章基础上，alex-model（vgg?）中的weight为随机值未经训练，得到的重构图甚至比使用训练的vgg中的weight更好。 用途：（Could we do deep visualization using untrain

核心公式：This paper proposed an optimisation method to invertshallow and deep representations based on optimizing anobjective function with gradient descent. 核心：文章提出的是用基于梯度的方法优化一个目标函数来实现浅层和深层表