图像理解中的卷积神经网络

发布时间：2017-07-07 11:22

  本文关键词：图像理解中的卷积神经网络

  更多相关文章： 卷积神经网络 图像理解 深度学习 图像分类 物体检测

【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.
【作者单位】： 北京师范大学信息科学与技术学院;教育部虚拟现实应用工程研究中心;中国科学院软件研究所人机交互北京市重点实验室;中国科学院大学计算机与控制学院;
【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
【基金】：国家自然科学基金(61402040,61473276) 中国科学院青年创新促进会资助~~
【分类号】：TP391.41;TP183
【正文快照】： 引用格式常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.图像理解中的卷积神经网络.自动化学报,2016,42(9):1300-13121986年,Rumelhart等[1]提出人工神经网络的反向传播算法(Back propagation,BP),掀起了神经网络在机器学习中的研究热潮.神经网络中存在大量的参数,存在容易发生

【相似文献】

中国期刊全文数据库 前10条

1 张克军;刘哲;;图像理解原理的数学评价[J];计算机工程与设计;2007年08期

2 姚庆栋，刘济林，徐胜荣，华中;一种图像理解的知识基系统V语言[J];红外与毫米波学报;1995年03期

3 钱晓华;郭树旭;李雪妍;;基于图像理解视角的分割全局评价算法[J];电子学报;2012年10期

4 朱蓉;;基于语义信息的图像理解关键问题研究[J];计算机应用研究;2009年04期

5 董志芳;;巧用图像理解相关运算[J];电气电子教学学报;2010年03期

6 许茜;殷绪成;李岩;郝红卫;曹晓钟;;基于图像理解的能见度测量方法[J];模式识别与人工智能;2013年06期

7 周海英;穆志纯;;图像理解中的视觉感知与图像的关联组织[J];小型微型计算机系统;2014年04期

8 席大春,周成平,娄联堂;基于图像理解的桥梁自动打击效果评估系统研究[J];计算机应用研究;2004年11期

9 ;“智能感知与图像理解”实验室被正式批准为教育部重点实验室[J];电子科技;2008年03期

10 刘传才,傅清祥;基于Multi-Agent的图像理解[J];计算技术与自动化;2001年02期

中国重要会议论文全文数据库 前3条

1 张钢;程良伦;钟钦灵;;图像理解的度量学习方法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

2 郝博;王吉军;魏小鹏;魏昱宁;;室外场景图像理解及情感语义提取技术的研究[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年

3 胡良梅;张骏;谢昭;;Booosting及其在图像理解中应用综述[A];第七届全国信息获取与处理学术会议论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 张华;基于嵌入结构性信息视觉特征的图像理解模型研究[D];天津大学;2015年

2 谢昭;图像理解的关键问题和方法研究[D];合肥工业大学;2007年

3 钱乐乐;基于视觉层次感知机制的图像理解方法研究[D];合肥工业大学;2009年

4 胡良梅;基于信息融合的图像理解方法研究[D];合肥工业大学;2006年

5 张会章;基于视觉感知的图像理解方法研究[D];西北工业大学;2003年

6 刘淼;基于结构和表观模型的图像理解方法及其应用研究[D];吉林大学;2008年

7 白明;自主移动机器人的运动规划与图像理解研究[D];大连理工大学;2011年

8 沈会良;中低层图像理解算法研究[D];浙江大学;2002年

9 胡德昆;基于生物视觉感知机制的图像理解技术研究[D];电子科技大学;2012年

10 韩光;面向非结构环境图像理解的算法研究[D];南京理工大学;2010年

中国硕士学位论文全文数据库 前9条

1 郭训力;面向智能眼镜的图像理解技术研究[D];南京大学;2014年

2 陈征;基于上下文的图像理解算法研究[D];山东师范大学;2015年

3 傅光磊;基于语义绑定的分层视觉词汇库的图像理解算法研究[D];上海交通大学;2010年

4 曾凡涛;基于改进LBP特征的图像理解[D];吉林大学;2014年

5 位保振;胰腺ERCP图像理解中关键技术的研究[D];内蒙古科技大学;2013年

6 付振中;图像理解中高层算法研究及其在RoboCup中型组中的应用[D];山东大学;2008年

7 武丽丽;基于有监督学习图像理解中的序模型研究[D];燕山大学;2015年

8 张海洋;基于图像理解的坦克分队战术训练系统[D];南京理工大学;2012年

9 王佳锐;基于图像理解的动态特征目标分析与辨识方法研究[D];哈尔滨工业大学;2009年

，

本文编号：530020