图像理解中的卷积神经网络

被引：415

作者：

常亮 ^{[1
,2
]}

邓小明 ^{[3
]}

周明全 ^{[1
,2
]}

武仲科 ^{[1
,2
]}

袁野 ^{[3
,4
]}

杨硕 ^{[3
,4
]}

王宏安 ^{[3
]}

机构：

[1] 北京师范大学信息科学与技术学院

[2] 教育部虚拟现实应用工程研究中心

[3] 中国科学院软件研究所人机交互北京市重点实验室

[4] 中国科学院大学计算机与控制学院

来源：

自动化学报 | 2016年 / 42卷 / 09期

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;

D O I：

10.16383/j.aas.2016.c150800

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

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.

引用

页码：1300 / 1312

页数：13

共 7 条

[1] 高阶马尔科夫随机场及其在场景理解中的应用
余淼
胡占义
[J]. 自动化学报, 2015, 41 (07) : 1213 - 1234
[2] 图像语义分析[M]. 科学出版社 , 郭平, 2015
[3] 模式分类[M]. 机械工业出版社 , (美)RichardO.Duda等著, 2003
[4] Real-Time Continuous Pose Recovery of Human Hands Using Convolutional Networks
Tompson, Jonathan
Stein, Murphy
Lecun, Yann
Perlin, Ken
[J]. ACM TRANSACTIONS ON GRAPHICS, 2014, 33 (05):
[5] Selective Search for Object Recognition
Uijlings, J. R. R.
van de Sande, K. E. A.
Gevers, T.
Smeulders, A. W. M.
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 104 (02) : 154 - 171
[6] Backpropagation Applied to Handwritten Zip Code Recognition
LeCun, Y.
Boser, B.
Denker, J. S.
Henderson, D.
Howard, R. E.
Hubbard, W.
Jackel, L. D.
[J]. NEURAL COMPUTATION, 1989, 1 (04) : 541 - 551
[7] 从统一子空间分析到联合深度学习:人脸识别的十年历程. 王晓刚,孙衤韦,汤晓鸥. 中国计算机学会通讯 . 2015

← 1 →