卷积神经网络的研究进展综述

• 作者: 杨斌 钟金英
• 来源期刊: 南华大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 特征提取 智能识别
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 数理?计算机科学
• 页码范围: 66-72
• 页数: 7页
• 分类号: TP412.14
• 字数: 5421字
• 语种: 中文

摘要

深度学习( deep learning，DL)强大的建模和表征能力很好地解决了特征表达能力不足和维数灾难等模式识别方向的关键问题，受到各国学者的广泛关注。而仿生物视觉系统的卷积神经网络( convolutional neural network，CNN)是DL中最先成功的案例，其局部感受野、权值共享和降采样三个特点使之成为智能机器视觉领域的研究热点。对此，本文综述CNN最新研究成果，介绍其发展历程、最新理论模型及其在语音、图像和视频中的应用，并对CNN未来的发展潜力和发展方向进行了展望和总结。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨斌	南华大学电气工程学院	35	117	5.0	10.0
2	钟金英	南华大学电气工程学院	1	60	1.0	1.0