作者:
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:
随着计算机技术和信息技术的飞速发展,极大地推动了深度学习的发展,作为当前深度学习发展的主流趋势,人工智能、文字及图像识别等领域都有着极大地技术突破.智能时代的最大特点就是机器具有自主学习的能力,这是当前和未来科技发展的必然要求.基于此,本文结合具体的技术原理对深度学习应用于图像处理领域进行了分析,进一步的阐述了深度学习在图像处理方面的应用,为当前和未来的图像处理技术的发展提供一定的启发.
推荐文章
基于深度学习的图像识别技术研究综述
图像识别
CNN
R-CNN
SPP-Net
FastR-CNN
基于深度学习的林业图像处理"金课"教学研究
深度学习
金课
林业图像处理
两性一度
高阶性
基于深度学习的图像风格迁移研究综述
图像风格迁移
深度学习
迁移学习
纹理合成
基于深度学习的图像检索研究
图像检索
深度学习
卷积神经网络
Caffe
主成分分析
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 基于深度学习的图像处理技术
来源期刊 数字技术与应用 学科 工学
关键词 深度学习 图像处理 技术原理
年,卷(期) 2019,(5) 所属期刊栏目 学术论坛
研究方向 页码范围 222,224
页数 2页 分类号 TP391.4
字数 1935字 语种 中文
DOI 10.19695/j.cnki.cn12-1369.2019.05.115
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 徐政超 西安工程大学计算机科学学院 4 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (32)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(5)
  • 参考文献(1)
  • 二级参考文献(4)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
图像处理
技术原理
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
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导