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,全卷积神经网络发展迅猛,在多个视觉研究领域表现出了非常亮眼的成绩.重点收集了近几年的高质量文献,对其中提出的全卷积方法进行分析总结,力求让读者通过对研读,对全卷积神经网络的关键技术、研究现状和最新进展有一个比较全面的了解.将收集到的文献,按照研究领域的不同进行分类汇总,重点提取几个研究非常活跃的领域,详细介绍一些非常具有代表性的算法,并重点介绍了各种方法的精髓所在,同时还对近一年来的最新研究进展进行了概述.通过对大量文献的梳理研究,总结出全卷积神经网络在近几年取得的成就,分析各种方法的优缺点,根据全卷积神经网络目前还存在的一些问题,归纳出未来可能的发展方向.
推荐文章
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
基于卷积神经网络的图像检测识别算法综述
卷积神经网络
图像检测
图像识别
基于卷积神经网络的植物图像分类方法研究
卷积神经网络
图像特征
图像分类
全卷积网络
植物图像
数据集
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
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 全卷积神经网络研究综述
来源期刊 计算机工程与应用 学科 工学
关键词 全卷积神经网络 卷积计算 深度学习 视觉研究
年,卷(期) 2020,(1) 所属期刊栏目 热点与综述
研究方向 页码范围 25-37
页数 13页 分类号 TP391.4
字数 12478字 语种 中文
DOI 10.3778/j.issn.1002-8331.1910-0164
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 章琳 江西科技师范大学数学与计算机科学学院 7 79 4.0 7.0
2 曾夏玲 江西科技师范大学数学与计算机科学学院 8 22 3.0 4.0
3 张文睿 江西科技师范大学数学与计算机科学学院 5 18 3.0 4.0
4 袁非牛 上海师范大学信息与机电工程学院 7 52 3.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (89)
共引文献  (469)
参考文献  (35)
节点文献
引证文献  (4)
同被引文献  (19)
二级引证文献  (0)
1943(1)
  • 参考文献(0)
  • 二级参考文献(1)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(11)
  • 参考文献(0)
  • 二级参考文献(11)
2016(18)
  • 参考文献(1)
  • 二级参考文献(17)
2017(36)
  • 参考文献(21)
  • 二级参考文献(15)
2018(12)
  • 参考文献(6)
  • 二级参考文献(6)
2019(6)
  • 参考文献(6)
  • 二级参考文献(0)
2020(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2020(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
全卷积神经网络
卷积计算
深度学习
视觉研究
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导