卷积神经网络在视觉图像检测的研究进展

被引：90

作者：

蓝金辉

王迪

申小盼

机构：

[1] 北京科技大学自动化学院

来源：

仪器仪表学报 | 2020年 / 41卷 / 04期

关键词：

卷积神经网络; 深度学习; 机器视觉; 图像检测;

D O I：

10.19650/j.cnki.cjsi.J2006003

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：

视觉图像检测在机器视觉领域有着重要的研究意义和应用价值。近年来,卷积神经网络的发展带动了视觉图像检测领域的进步。大量新理论、新方法被应用于卷积神经网络,提高了网络对特征的表达能力,降低了网络的复杂性,增强了网络的性能。研究阐述了卷积神经网络的基本构成,从卷积层,池化层,激活函数,网络正则化和网络优化等方面总结了卷积神经网络近年来的改进方法,梳理了卷积神经网络在视觉图像检测领域的应用,总结了卷积神经网络在视觉图像检测领域的优点,并展望了未来的研究方向。

引用

页码：167 / 182

页数：16

共 17 条

[1] 基于卷积神经网络的PCB缺陷检测与识别算法 [J].

王永利 ;

曹江涛 ;

姬晓飞 .

电子测量与仪器学报, 2019, 33 (08) :78-84

[2] 近四年胶囊内镜图像病灶的深度学习识别研究进展 [J].

章黎明 ;

贾智伟 ;

谢俊力 ;

陈立福 .

电子测量与仪器学报, 2019, 33 (08) :69-77

[3] 基于改进Mask RCNN和Kinect的服务机器人物品识别系统 [J].

石杰 ;

周亚丽 ;

张奇志 .

仪器仪表学报, 2019, 40 (04) :216-228

[4] 基于多任务Faster R-CNN车辆假牌套牌的检测方法 [J].

陈朋 ;

汤一平 ;

何霞 ;

王辉 ;

袁公萍 .

仪器仪表学报, 2017, 38 (12) :3079-3089

[5]

Recent advances in convolutional neural networks[J] . Jiuxiang Gu,Zhenhua Wang,Jason Kuen,Lianyang Ma,Amir Shahroudy,Bing Shuai,Ting Liu,Xingxing Wang,Gang Wang,Jianfei Cai,Tsuhan Chen.Pattern Recognition . 2018

[6]

Artificial vision by multi-layered neural networks: Neocognitron and its advances[J] . Kunihiko Fukushima.Neural Networks . 2013

[7] The Pascal Visual Object Classes (VOC) Challenge [J].

Everingham, Mark ;

Van Gool, Luc ;

Williams, Christopher K. I. ;

Winn, John ;

Zisserman, Andrew .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) :303-338

[8]

On the momentum term in gradient descent learning algorithms[J] . Ning Qian.Neural Networks . 1998 (1)

[9] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

[10] Backpropagation Applied to Handwritten Zip Code Recognition [J].

LeCun, Y. ;

Boser, B. ;

Denker, J. S. ;

Henderson, D. ;

Howard, R. E. ;

Hubbard, W. ;

Jackel, L. D. .

NEURAL COMPUTATION, 1989, 1 (04) :541-551

← 1 2 →