10.11959/j.issn.1000-0801.2019268
基于深度学习的图像分类研究综述
近年来,深度学习在计算机视觉领域中的表现优于传统的机器学习技术,而图像分类问题是其中最突出的研究课题之一.传统的图像分类方法难以处理庞大的图像数据,且无法满足人们对图像分类精度和速度的要求,而基于深度学习的图像分类方法突破了此瓶颈,成为目前图像分类的主流方法.从图像分类的研究意义出发,介绍了其发展现状.其次,具体分析了图像分类中最重要的深度学习方法(即自动编码器、深度信念网络与深度玻尔兹曼机)以及卷积神经网络的结构、优点和局限性.再次,对比分析了方法之间的差异及其在常用数据集上的性能表现.最后,探讨了深度学习方法在图像分类领域的不足及未来可能的研究方向.
深度学习、图像分类、自编码器、深度信念网络、卷积神经网络
35
TP393(计算技术、计算机技术)
国家重点研发计划基金资助项目2016YFC0601100;四川省科技计划基金资助项目2019CXRC0027
2019-12-31(万方平台首次上网日期,不代表论文的发表时间)
共17页
58-74