基于卷积神经网络的图像分类研究进展

作     者：覃晓 黄呈铖 施宇 廖兆琪 梁新艳 元昌安 QIN Xiao;HUANG Chengcheng;SHI Yu;LIAO Zhaoqi;LIANG Xinyan;YUAN Chang'an

作者机构：南宁师范大学计算机与信息工程学院八桂学者创新团队实验室广西南宁530000 广西科学院广西南宁530007 

基　　金：国家自然科学基金项目(61962006) 广西创新驱动重大项目(AA18118047) 广西研究生教育创新计划项目(YCSW2019182)资助 

出 版 物：《广西科学》 (Guangxi Sciences)

年 卷 期：2020年第27卷第6期

页      码：587-599页

摘      要：基于卷积神经网络的图像分类算法的优势是传统方法无法比拟的。卷积神经网络利用其设计好的网络结构和权值共享的特点,能够从数量庞大的训练数据中学习图像底层到高级语义的抽象特征,而且端到端的学习省去了在每一个独立学习任务执行之前所做的数据标注。多年来,卷积神经网络经过科研人员的探索和尝试,从最开始的多层神经网络模型,演变出多种优化结构,性能不断提高。本文介绍了基于卷积神经网络图像分类算法的研究进展,叙述了卷积神经网络在图像分类中的经典模型和近年来的改进方法,并对各个模型进行分析,展示各种方法在ImageNet公共数据集上的性能表现,最后对基于卷积神经网络的图像分类算法的研究进行总结和展望。

主 题 词：卷积神经网络 图像分类 经典模型 改进方法 性能对比 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.13656/j.cnki.gxkx.20210119.001

馆 藏 号：203102041...