基于深度残差网络图像分类算法研究综述

• 作者: 李健 王鹏彦 罗泽 赵志成
• 来源期刊: 计算机系统应用
• 关键词: 图像分类 深度学习 计算机视觉 深度残差网络 恒等变换 卷积神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 专论·综述
• 页码范围: 14-21
• 页数: 8页
• 字数: 5307字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007243

摘要

近年来, 由于计算机技术的飞速迅猛发展, 特别是硬件条件的改善, 计算能力不断提高, 深层神经网络训练的时间大大缩短, 深度残差网络也迅速成为一个新的研究热点. 深度残差网络作为一种极深的网络架构, 在精度和收敛等方面都展现出了很好的特性. 研究者们深入研究其本质并在此基础上提出了很多关于深度残差网络的改进,如宽残差网络, 金字塔型残差网络, 密集型残差网络, 注意力残差网络等等. 本文从残差网络的设计出发, 分析了不同残差单元的构造方式, 介绍了深度残差网络不同的变体. 从不同的角度比较了不同网络之间的差异以及这些网络架构在常用图像分类数据集上的性能表现. 最后我们对于这些网络进行了总结, 并讨论了未来深度残差网络在图像分类领域的一些研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李健	中国科学院计算机网络信息中心	92	1070	17.0	31.0
2	罗泽	中国科学院计算机网络信息中心	42	157	7.0	10.0
3	赵志成	中国科学院计算机网络信息中心	3	89	3.0	3.0