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,卷积神经网络在图像分类、目标检测、图像语义分割等领域取得了一系列突破性的研究成果,其强大的特征学习与分类能力引起了广泛的关注,具有重要的分析与研究价值.首先回顾了卷积神经网络的发展历史,介绍了卷积神经网络的基本结构和运行原理,重点针对网络过拟合、网络结构、迁移学习、原理分析四个方面对卷积神经网络在近期的研究进行了归纳与分析,总结并讨论了基于卷积神经网络的相关应用领域取得的最新研究成果,最后指出了卷积神经网络目前存在的不足以及未来的发展方向.
推荐文章
全卷积神经网络研究综述
全卷积神经网络
卷积计算
深度学习
视觉研究
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
卷积神经网络在图像分类和目标检测应用综述
卷积神经网络
图像分类
目标检测
基于卷积神经网络的目标跟踪算法综述
卷积神经网络(CNN)
深度学习
目标跟踪
机器视觉
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 卷积神经网络研究综述
来源期刊 计算机应用 学科 工学
关键词 卷积神经网络 深度学习 特征表达 神经网络 迁移学习
年,卷(期) 2016,(9) 所属期刊栏目 人工智能
研究方向 页码范围 2508-2515,2565
页数 9页 分类号 TP181
字数 11053字 语种 中文
DOI 10.11772/j.issn.1001-9081.2016.09.2508
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 雷航 电子科技大学信息与软件工程学院 92 1434 17.0 35.0
2 郝宗波 电子科技大学信息与软件工程学院 13 664 7.0 13.0
3 李彦冬 电子科技大学信息与软件工程学院 3 577 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (494)
参考文献  (18)
节点文献
引证文献  (548)
同被引文献  (475)
二级引证文献  (626)
1962(1)
  • 参考文献(1)
  • 二级参考文献(0)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(10)
  • 参考文献(1)
  • 二级参考文献(9)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(8)
  • 参考文献(1)
  • 二级参考文献(7)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(6)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(5)
  • 二级引证文献(0)
2016(5)
  • 引证文献(5)
  • 二级引证文献(0)
2017(62)
  • 引证文献(62)
  • 二级引证文献(0)
2018(293)
  • 引证文献(203)
  • 二级引证文献(90)
2019(553)
  • 引证文献(215)
  • 二级引证文献(338)
2020(261)
  • 引证文献(63)
  • 二级引证文献(198)
研究主题发展历程
节点文献
卷积神经网络
深度学习
特征表达
神经网络
迁移学习
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
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
总被引数(次)
209512
论文1v1指导