图像理解中的卷积神经网络

• 作者: 周明全 常亮 杨硕 武仲科 王宏安 袁野 邓小明
• 来源期刊: 自动化学报
• 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
• 页码范围: 1300-1312
• 页数: 13页
• 字数: 15523字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150800

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。