图像理解中的卷积神经网络

近年来,卷积神经网络（Convolutional neural networks,CNN）已在图像理解领域得到了广泛的应用,引起了研究者的关注.特别是随着大规模图像数据的产生以及计算机硬件（特别是GPU）的飞速发展,卷积神经网络以及其改进方法在图像理解中取得了突破性的成果,引发了研究的热潮.本文综述了卷积神经网络在图像理解中的研究进展与典型应用.首先,阐述卷积神经网络的基础理论;然后,阐述其在图像理解的具体方面,如图像分类与物体检测、人脸识别和场景的语义分割等的研究进展与应用....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 42; no. 9; pp. 1300 - 1312
Main Author 常亮 邓小明 周明全 武仲科 袁野 杨硕 王宏安
Format Journal Article
LanguageChinese
Published 中国科学院大学计算机与控制学院 北京 100049 2016
北京师范大学信息科学与技术学院 北京 100875
教育部虚拟现实应用工程研究中心 北京 100875%中国科学院软件研究所人机交互北京市重点实验室 北京 100190%中国科学院软件研究所人机交互北京市重点实验室 北京 100190
Subjects
卷积神经网络
图像分类
图像理解
深度学习
物体检测
deep learning
ob ject detection
卷积神经网络
图像分类
image classification
图像理解
深度学习
Convolutional neural networks (CNN)
image understanding
物体检测
Online AccessGet full text
ISSN0254-4156
1874-1029
DOI10.16383/j.aas.2016.c150800

Cover

More Information
Summary:近年来,卷积神经网络（Convolutional neural networks,CNN）已在图像理解领域得到了广泛的应用,引起了研究者的关注.特别是随着大规模图像数据的产生以及计算机硬件（特别是GPU）的飞速发展,卷积神经网络以及其改进方法在图像理解中取得了突破性的成果,引发了研究的热潮.本文综述了卷积神经网络在图像理解中的研究进展与典型应用.首先,阐述卷积神经网络的基础理论;然后,阐述其在图像理解的具体方面,如图像分类与物体检测、人脸识别和场景的语义分割等的研究进展与应用.
Bibliography:Convolutional neural networks （CNN） have been widely applied to image understanding, and they have arose much attention from researchers. Specifically, with the emergence of large image sets and the rapid development of GPUs, convolutional neural networks and their improvements have made breakthroughs in image understanding, bringing about wide applications into this area. This paper summarizes the up-to-date research and typical applications for convolutional neural networks in image understanding. We firstly review the theoretical basis, and then we present the recent advances and achievements in major areas of image understanding, such as image classification, object detection, face recognition, semantic image segmentation etc.
CHANG Liang, DENG Xiao-Ming,ZHOU Ming-Quan, WU Zhong-Ke, YUAN Ye,YANG Shuo, WANG Hong-An（ 1. College of Information Science and Technology, Beijing Normal University, Beijing 100875; 2. Engineering Research Center of Virtual Reality and Applications, Ministry of Education, Beijing 10
ISSN:0254-4156
1874-1029
DOI:10.16383/j.aas.2016.c150800