基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,卷积神经网络(Convolutional neural networks, CNN)已在图像理解领域得到了广泛的应用,引起了研究者的关注。特别是随着大规模图像数据的产生以及计算机硬件(特别是GPU)的飞速发展,卷积神经网络以及其改进方法在图像理解中取得了突破性的成果,引发了研究的热潮。本文综述了卷积神经网络在图像理解中的研究进展与典型应用。首先,阐述卷积神经网络的基础理论;然后,阐述其在图像理解的具体方面,如图像分类与物体检测、人脸识别和场景的语义分割等的研究进展与应用。
推荐文章
基于卷积神经网络的商品图像分类研究
卷积神经网络
商品图片
图像分类
线性修正函数
局部对比度归一化
卷积神经网络在图像处理方面的应用
深度学习
卷积神经网络
图像处理
卷积神经网络模型压缩在图像分类中的应用
卷积神经网络
图像分类
全局平均池化
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 图像理解中的卷积神经网络
来源期刊 自动化学报 学科
关键词 卷积神经网络 图像理解 深度学习 图像分类 物体检测
年,卷(期) 2016,(9) 所属期刊栏目 综述
研究方向 页码范围 1300-1312
页数 13页 分类号
字数 15523字 语种 中文
DOI 10.16383/j.aas.2016.c150800
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (13)
参考文献  (14)
节点文献
引证文献  (312)
同被引文献  (560)
二级引证文献  (430)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(5)
  • 参考文献(0)
  • 二级参考文献(5)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(3)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(33)
  • 引证文献(33)
  • 二级引证文献(0)
2018(145)
  • 引证文献(101)
  • 二级引证文献(44)
2019(367)
  • 引证文献(137)
  • 二级引证文献(230)
2020(195)
  • 引证文献(39)
  • 二级引证文献(156)
研究主题发展历程
节点文献
卷积神经网络
图像理解
深度学习
图像分类
物体检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
自动化学报
月刊
0254-4156
11-2109/TP
大16开
北京市海淀区中关村东路95号(北京2728信箱)
2-180
1963
chi
出版文献量(篇)
4124
总下载数(次)
26
总被引数(次)
120705
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导