本文關(guān)鍵詞：圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)

  更多相關(guān)文章： 卷積神經(jīng)網(wǎng)絡(luò) 圖像理解 深度學(xué)習(xí) 圖像分類 物體檢測

【摘要】：近年來,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural networks,CNN)已在圖像理解領(lǐng)域得到了廣泛的應(yīng)用,引起了研究者的關(guān)注.特別是隨著大規(guī)模圖像數(shù)據(jù)的產(chǎn)生以及計算機硬件(特別是GPU)的飛速發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)以及其改進方法在圖像理解中取得了突破性的成果,引發(fā)了研究的熱潮.本文綜述了卷積神經(jīng)網(wǎng)絡(luò)在圖像理解中的研究進展與典型應(yīng)用.首先,闡述卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論;然后,闡述其在圖像理解的具體方面,如圖像分類與物體檢測、人臉識別和場景的語義分割等的研究進展與應(yīng)用.
【作者單位】： 北京師范大學(xué)信息科學(xué)與技術(shù)學(xué)院;教育部虛擬現(xiàn)實應(yīng)用工程研究中心;中國科學(xué)院軟件研究所人機交互北京市重點實驗室;中國科學(xué)院大學(xué)計算機與控制學(xué)院;
【關(guān)鍵詞】： 卷積神經(jīng)網(wǎng)絡(luò) 圖像理解 深度學(xué)習(xí) 圖像分類 物體檢測
【基金】：國家自然科學(xué)基金(61402040,61473276) 中國科學(xué)院青年創(chuàng)新促進會資助~~
【分類號】：TP391.41;TP183
【正文快照】： 引用格式常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.圖像理解中的卷積神經(jīng)網(wǎng)絡(luò).自動化學(xué)報,2016,42(9):1300-13121986年,Rumelhart等[1]提出人工神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Back propagation,BP),掀起了神經(jīng)網(wǎng)絡(luò)在機器學(xué)習(xí)中的研究熱潮.神經(jīng)網(wǎng)絡(luò)中存在大量的參數(shù),存在容易發(fā)生

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張克軍;劉哲;;圖像理解原理的數(shù)學(xué)評價[J];計算機工程與設(shè)計;2007年08期

2 姚慶棟，劉濟林，徐勝榮，華中;一種圖像理解的知識基系統(tǒng)V語言[J];紅外與毫米波學(xué)報;1995年03期

3 錢曉華;郭樹旭;李雪妍;;基于圖像理解視角的分割全局評價算法[J];電子學(xué)報;2012年10期

4 朱蓉;;基于語義信息的圖像理解關(guān)鍵問題研究[J];計算機應(yīng)用研究;2009年04期

5 董志芳;;巧用圖像理解相關(guān)運算[J];電氣電子教學(xué)學(xué)報;2010年03期

6 許茜;殷緒成;李巖;郝紅衛(wèi);曹曉鐘;;基于圖像理解的能見度測量方法[J];模式識別與人工智能;2013年06期

7 周海英;穆志純;;圖像理解中的視覺感知與圖像的關(guān)聯(lián)組織[J];小型微型計算機系統(tǒng);2014年04期

8 席大春,周成平,婁聯(lián)堂;基于圖像理解的橋梁自動打擊效果評估系統(tǒng)研究[J];計算機應(yīng)用研究;2004年11期

9 ;“智能感知與圖像理解”實驗室被正式批準(zhǔn)為教育部重點實驗室[J];電子科技;2008年03期

10 劉傳才,傅清祥;基于Multi-Agent的圖像理解[J];計算技術(shù)與自動化;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 張鋼;程良倫;鐘欽靈;;圖像理解的度量學(xué)習(xí)方法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

2 郝博;王吉軍;魏小鵬;魏昱寧;;室外場景圖像理解及情感語義提取技術(shù)的研究[A];中國圖學(xué)新進展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

3 胡良梅;張駿;謝昭;;Booosting及其在圖像理解中應(yīng)用綜述[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張華;基于嵌入結(jié)構(gòu)性信息視覺特征的圖像理解模型研究[D];天津大學(xué);2015年

2 謝昭;圖像理解的關(guān)鍵問題和方法研究[D];合肥工業(yè)大學(xué);2007年

3 錢樂樂;基于視覺層次感知機制的圖像理解方法研究[D];合肥工業(yè)大學(xué);2009年

4 胡良梅;基于信息融合的圖像理解方法研究[D];合肥工業(yè)大學(xué);2006年

5 張會章;基于視覺感知的圖像理解方法研究[D];西北工業(yè)大學(xué);2003年

6 劉淼;基于結(jié)構(gòu)和表觀模型的圖像理解方法及其應(yīng)用研究[D];吉林大學(xué);2008年

7 白明;自主移動機器人的運動規(guī)劃與圖像理解研究[D];大連理工大學(xué);2011年

8 沈會良;中低層圖像理解算法研究[D];浙江大學(xué);2002年

9 胡德昆;基于生物視覺感知機制的圖像理解技術(shù)研究[D];電子科技大學(xué);2012年

10 韓光;面向非結(jié)構(gòu)環(huán)境圖像理解的算法研究[D];南京理工大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 郭訓(xùn)力;面向智能眼鏡的圖像理解技術(shù)研究[D];南京大學(xué);2014年

2 陳征;基于上下文的圖像理解算法研究[D];山東師范大學(xué);2015年

3 傅光磊;基于語義綁定的分層視覺詞匯庫的圖像理解算法研究[D];上海交通大學(xué);2010年

4 曾凡濤;基于改進LBP特征的圖像理解[D];吉林大學(xué);2014年

5 位保振;胰腺ERCP圖像理解中關(guān)鍵技術(shù)的研究[D];內(nèi)蒙古科技大學(xué);2013年

6 付振中;圖像理解中高層算法研究及其在RoboCup中型組中的應(yīng)用[D];山東大學(xué);2008年

7 武麗麗;基于有監(jiān)督學(xué)習(xí)圖像理解中的序模型研究[D];燕山大學(xué);2015年

8 張海洋;基于圖像理解的坦克分隊?wèi)?zhàn)術(shù)訓(xùn)練系統(tǒng)[D];南京理工大學(xué);2012年

9 王佳銳;基于圖像理解的動態(tài)特征目標(biāo)分析與辨識方法研究[D];哈爾濱工業(yè)大學(xué);2009年

，

本文編號：530020