收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

深度卷积神经网络的发展及其在计算机视觉领域的应用

张顺  龚怡宏  王进军  
【摘要】:作为类脑计算领域的一个重要研究成果,深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域,在工业界和学术界掀起了神经网络研究的浪潮,促进了人工智能的发展.卷积神经网络直接以原始数据作为输入,从大量训练数据中自动学习特征的表示.卷积神经网络具有局部连接、权值共享和池化操作等特性,可以有效降低网络复杂度,减少训练参数的数目,使模型对平移、扭曲、缩放具有一定程度的不变性.目前,深度卷积神经网络主要是通过增加网络的层数,使用更大规模的训练数据集,以及改进现有神经网络的网络结构或训练学习算法等方法,来模拟人脑复杂的层次化认知规律,拉近与人脑视觉系统的差距,使机器获得"抽象概念"的能力.深度卷积神经网络在图像分类、目标检测、人脸识别、行人再识别等多个计算机视觉任务中都取得了巨大成功.该文首先回顾了卷积神经网络的发展历史,简单介绍了M-P神经元模型、Hubel-Wiesel模型、神经认知机、用于手写识别的LeNet以及用于ImageNet图像分类比赛的深度卷积神经网络.然后详细分析了深度卷积神经网络的工作原理,介绍了卷积层、采样层、全连接层的数学表示及各自发挥的作用.接着该文重点从以下三个方面介绍卷积神经网络的代表性成果,并通过实例展示各种技术方法对图像分类精度的提升效果.从增加网络层数方面,讨论并分析了AlexNet、ZF-Net、VGG、GoogLeNet和ResNet等经典卷积神经网络的结构;从增加数据集规模方面,介绍了人工增加标注样本的难点以及使用数据扩增技术对神经网络性能提升的作用;从改进训练方法方面,介绍了包括L2正则化、Dropout、DropConnect、Maxout等常用的正则化技术,Sigmoid函数、tanh函数以及ReLU函数、LReLU函数、PReLU函数等常用的神经元激活函数,softmax损失、hinge损失、contrastive损失、triplet损失等不同损失函数,以及batch normalization技术的基本思想.针对计算机视觉领域,该文重点介绍了卷积神经网络在图像分类、目标检测、人脸识别、行人再识别、图像语义分割、图片标题生成、图像超分辨率、人体动作识别以及图像检索等方面的最新研究进展.从人类视觉认知机制出发,分析了视觉信息分层处理和"大范围优先"视觉认知过程的相关理论成果和对当前计算模型的一些理论启示.最后提出了未来基于深度卷积神经网络的类脑智能研究待解决的问题与挑战.

知网文化
【相似文献】
中国期刊全文数据库 前16条
1 宋超;许道云;秦永彬;;分离多路卷积神经网络研究[J];计算机工程;2017年06期
2 冯帅;张龙;贺小慧;;基于Jetson TK1和深度卷积神经网络的行人检测[J];信息技术;2017年10期
3 Benny Har-Even;;PowerVR 2NX NNA引领神经网络加速器的未来[J];中国集成电路;2017年12期
4 俞汝劼;杨贞;熊惠霖;;基于深度卷积神经网络的航空器检测与识别[J];计算机应用;2017年06期
5 朱威;屈景怡;吴仁彪;;结合批归一化的直通卷积神经网络图像分类算法[J];计算机辅助设计与图形学学报;2017年09期
6 钱岳;丁效;刘挺;陈毅恒;;聊天机器人中用户出行消费意图识别方法[J];中国科学:信息科学;2017年08期
7 荣光辉;黄震华;;基于深度学习的问答匹配方法[J];计算机应用;2017年10期
8 朱正国;何明星;;基于局部特征和深度神经网络的人脸性别判别模型研究(英文)[J];机床与液压;2018年06期
9 徐超;闫胜业;;改进的卷积神经网络行人检测方法[J];计算机应用;2017年06期
10 崔雪红;刘云;王传旭;李辉;;基于卷积神经网络的轮胎缺陷X光图像分类[J];电子测量技术;2017年05期
11 蒋承知;于起;叶文强;甘凇元;;卷积神经网络算法的比较探究[J];电子技术与软件工程;2017年07期
12 张加楠;张雪芬;简萌;胡树贞;毋立芳;;先验阈值优化卷积神经网络的作物覆盖度提取算法[J];信号处理;2017年09期
13 段大高;谢永恒;盖新新;刘占斌;;基于神经网络的微博虚假消息识别模型[J];信息网络安全;2017年09期
14 李文琴;曾广朴;文俊浩;;基于神经网络的人脸识别系统[J];激光杂志;2015年03期
15 杨念聪;任琼;张成喆;周子煜;李倩;邱兰;;基于卷积神经网络的图像特征识别研究[J];信息与电脑(理论版);2017年14期
16 王盛玉;曾碧卿;胡翩翩;;基于卷积神经网络参数优化的中文情感分析[J];计算机工程;2017年08期
中国重要会议论文全文数据库 前10条
1 郭天宇;朱铭健;王云鹤;许超;;基于自整合卷积神经网络的人脸分类算法[A];第十一届全国信号和智能信息处理与应用学术会议专刊[C];2017年
2 王辉;杨杰;黎明;蔡念;;一种基于神经网络的图像复原方法[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
3 李睿;李明军;;一种模糊高斯基神经网络在数值逼近上的仿真[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
4 段大高;谢永恒;盖新新;刘占斌;;基于神经网络的微博虚假消息识别模型[A];第32次全国计算机安全学术交流会论文集[C];2017年
5 杨龙飞;解焱陆;张劲松;;基于卷积神经网络的发音偏误趋势检测[A];第十四届全国人机语音通讯学术会议(NCMMSC’2017)论文集[C];2017年
6 刘琴;袁家政;翁长虹;;基于深度学习的短文本分类研究综述[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年
7 朱长春;;神经网络用于线性时固有系统的广义状态转移矩阵的识别[A];中国工程物理研究院科技年报(1999)[C];1999年
8 蒋涛;茅耀斌;钱瑛;巫林;;基于迁移学习的卷积神经网络目标检测算法[A];第36届中国控制会议论文集(G)[C];2017年
9 赵鑫;吴侃;敖建锋;周大伟;;基于BP神经网络的点云去噪与空洞修补集成算法研究[A];2011全国矿山测量新技术学术会议论文集[C];2011年
10 王莉;马钟;焦晨旭;;一种基于神经网络的在轨云判方法[A];2018软件定义卫星高峰论坛会议摘要集[C];2018年
中国博士学位论文全文数据库 前10条
1 李彦冬;基于卷积神经网络的计算机视觉关键技术研究[D];电子科技大学;2017年
2 石葆光;基于深度学习的自然场景文字检测与识别方法研究[D];华中科技大学;2018年
3 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
4 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
5 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
6 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年
7 焦志成;基于卷积神经网络的生物医学信号分类与重构[D];西安电子科技大学;2018年
8 张振敏;基于脉冲神经网络的纹理图像识别研究[D];福建师范大学;2016年
9 姜晓恒;基于深度卷积神经网络多尺度共享与子块级联的物体识别[D];天津大学;2017年
10 黄杰;基于深度学习的手语识别技术研究[D];中国科学技术大学;2018年
中国硕士学位论文全文数据库 前10条
1 郭田梅;基于卷积神经网络的图像分类算法研究[D];济南大学;2017年
2 裴子龙;基于卷积神经网络的人脸性别识别研究[D];山西师范大学;2017年
3 崔洪振;基于GPU的卷积神经网络并行算法研究[D];哈尔滨工程大学;2018年
4 王强;基于卷积神经网络的自然图像分类研究[D];成都信息工程大学;2018年
5 马文娟;基于卷积神经网络的人脸年龄估计算法研究[D];哈尔滨工程大学;2018年
6 唐明轩;基于DenseNet的医学图像分割研究与应用[D];成都信息工程大学;2018年
7 张晟;基于汉语框架网的篇章句间关系发现[D];山西大学;2018年
8 鲁扬;基于BP神经网络的车牌识别算法研究[D];东北石油大学;2018年
9 姜婧娆;基于卷积神经网络的人脸识别研究[D];大连交通大学;2017年
10 吴雪梅;基于学习的视线估计及应用[D];山东大学;2018年
中国重要报纸全文数据库 前10条
1 James Kobielus 编译 Charles;如何防止人工智能遭受攻击[N];计算机世界;2017年
2 于翔;数字神经网络中的协同应用[N];网络世界;2009年
3 本报记者 刘燕;微软实现深层神经网络重大技术突破[N];科技日报;2015年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 赢家;人机交互新算法[N];电脑报;2013年
6 记者 郑金武;国际计算机视觉算法竞赛揭晓[N];科学时报;2011年
7 斯坦福大学教授、谷歌云首席科学家 李飞飞;计算机视觉要多久才能理解这个世界[N];中国信息化周报;2018年
8 记者 段倩倩;腾讯优图升级 强化计算机视觉研发投入[N];第一财经日报;2018年
9 陈宗周;第二双眼睛[N];电脑报;2017年
10 文化学者 定国;由算法主导的世纪真的来了吗[N];深圳特区报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978