深度学习在图像识别中的研究与应用

被引：14

作者：

王颢

机构：

[1] 南京邮电大学通达学院

来源：

科技视界 | 2020年 / 24期

关键词：

图像识别; 深度学习; 神经网络;

D O I：

10.19694/j.cnki.issn2095-2457.2020.24.13

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

图像识别是计算机视觉领域的关键技术之一,目前已应用到各类生活场景中。随着图像的分辨率日益增大,传统的图像识别算法已无法完成高分辨率图像的处理。深度学习技术作为人工智能领域的研究热点,能够完成大规模的矩阵运算,推动了图像识别领域的发展,具有非常广阔的应用前景。本文详细介绍了深度学习在图像识别领域中的经典算法以及研究进展。

引用

收藏

页码：37 / 38

页数：2

相关论文

共 13 条

[1] 深度学习算法在遥感影像分类识别中的应用现状及其发展趋势 [J].

杨瑾文 ;

赖文奎 .

测绘与空间地理信息, 2020, 43 (04) :114-117+120

[2] 基于深度学习的图像识别技术研究综述 [J].

张琦 ;

张荣梅 ;

陈彬 .

河北省科学院学报, 2019, 36 (03) :28-36

[3] 基于深度学习的图像识别技术研究综述 [J].

张琦 ;

张荣梅 ;

陈彬 .

河北省科学院学报, 2019, 36 (03) :28-36

[4] 基于条件深度卷积生成对抗网络的图像识别方法 [J].

唐贤伦 ;

杜一铭 ;

刘雨微 ;

李佳歆 ;

马艺玮 .

自动化学报, 2018, 44 (05) :855-864

[5]

基于卷积神经网络的医学图像分类方法研究[D]. 史亮亮.河北科技大学 2019

[6] 深度学习在图像识别中的应用研究综述 [J].

郑远攀 ;

李广阳 ;

李晔 .

计算机工程与应用 , 2019, (12) :20-36

[7]

Reducing the Dimensionality of Data with Neural Net-works. G.E.Hinton,R.R.Salakhutdinov. Science . 2006

[8]

模式识别[M]. 西安电子科技大学出版社 , 张向荣, 2019

[9] 基于条件深度卷积生成对抗网络的图像识别方法 [J].

唐贤伦 ;

杜一铭 ;

刘雨微 ;

李佳歆 ;

马艺玮 .

自动化学报, 2018, 44 (05) :855-864

[10] 深度学习在图像识别中的应用研究综述 [J].

郑远攀 ;

李广阳 ;

李晔 .

计算机工程与应用 , 2019, (12) :20-36