深度学习在图像处理领域中的应用综述

被引：22

作者：

殷琪林

王金伟

机构：

[1] 南京信息工程大学计算机与软件学院

来源：

高教学刊 | 2018年 / 09期

关键词：

深度学习; 卷积神经网络; 算法模型; 图像处理;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP391.41 [];

学科分类号：

080203 ;

摘要：

随着大数据时代的到来,一系列深度学习网络结构已在图像处理领域展现出巨大的优势,为了能够及时跟踪深度学习在图像领域的最新发展,文章针对深度学习在图像处理领域的相关研究进行综述。首先介绍深度学习的背景和卷积神经网络的知识,旨在从本质上理解深度学习应用在图像领域的基本模型架构及其优化方法;其次主要在图像识别、取证、检测三个方向上,具体论述深度学习在图像领域多个方向上的演变与发展,其目的在于了解深度学习对具体图像处理问题的最新研究并掌握多种模型或技术;最后指出深度学习在图像领域存在的问题以及对未来的展望。

引用

页码：72 / 74

页数：3

共 6 条

[1] Densely connected convolutional networks. Huang G,Liu Z,Weinberger K Q,et al. . 2016
[2] Deep Learning Hierarchical Representations for Image Steganalysis. Jiangqun Ni,Jian Ye,Yang YI. IEEE Transactions on Information Forensics and Security . 2017
[3] Median Filtering Forensics Based on Convolutional Neural Networks. Chen J,Kang X,Liu Y,et al. IEEE Signal Processing Letters . 2015
[4] Very deep convolutional networks for large-scale image recognition. Karen Simonyan,Andrew Zisserman. Corrosion . 2014
[5] Deep Residual Learning for Image Recognition. He K,Zhang X,Ren S, et al. IEEE Confer-ence on Computer Vision and Pattern Recognition . 2016
[6] Rich feature hierarchies for accurate object detection and semantic segmentation. Girshick R,Donahue J,Darrell T, et al. Proceedings of the IEEE conference on computer vision and pattern recognition . 2014

← 1 →