基于深度残差网络图像分类算法研究综述

被引：56

作者：

赵志成 ^{[1
,2
]}

罗泽 ^{[1
]}

王鹏彦 ^{[3
]}

李健 ^{[1
]}

机构：

[1] 中国科学院计算机网络信息中心

[2] 中国科学院大学

[3] 四川卧龙国家级自然保护区管理局

来源：

计算机系统应用 | 2020年 / 29卷 / 01期

关键词：

图像分类; 深度学习; 计算机视觉; 深度残差网络; 恒等变换; 卷积神经网络;

D O I：

10.15888/j.cnki.csa.007243

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

近年来,由于计算机技术的飞速迅猛发展,特别是硬件条件的改善,计算能力不断提高,深层神经网络训练的时间大大缩短,深度残差网络也迅速成为一个新的研究热点.深度残差网络作为一种极深的网络架构,在精度和收敛等方面都展现出了很好的特性.研究者们深入研究其本质并在此基础上提出了很多关于深度残差网络的改进,如宽残差网络,金字塔型残差网络,密集型残差网络,注意力残差网络等等.本文从残差网络的设计出发,分析了不同残差单元的构造方式,介绍了深度残差网络不同的变体.从不同的角度比较了不同网络之间的差异以及这些网络架构在常用图像分类数据集上的性能表现.最后我们对于这些网络进行了总结,并讨论了未来深度残差网络在图像分类领域的一些研究方向.

引用

下载

页码：14 / 21

页数：8

共 9 条

[1] 基于深度残差网络的脱机手写汉字识别研究
张帆
张良
刘星
张宇
[J]. 计算机测量与控制, 2017, 25 (12) : 259 - 262
[2] 基于双目视觉系统的运动目标跟踪算法研究
宋伟
纳鹏宇
刘宁宁
[J]. 北京交通大学学报, 2013, 37 (06) : 13 - 17
[3] 行人检测技术综述
苏松志
李绍滋
陈淑媛
蔡国榕
吴云东
[J]. 电子学报, 2012, 40 (04) : 814 - 820
[4] 自然语言处理在信息检索中的应用综述
王灿辉
张敏
马少平
[J]. 中文信息学报, 2007, (02) : 35 - 45
[5] 基于深度学习的人脸表情识别方法研究[D]. 杨雨浓.西北大学. 2017
[6] 基于卷积神经网络的图像分类算法研究[D]. 温煌璐.新疆大学. 2018
[7] 基于卷积神经网络的图像分类技术及应用[D]. 马慧.五邑大学. 2018
[8] Wider or Deeper: Revisiting the ResNet Model for Visual Recognition[J] . Zifeng Wu,Chunhua Shen,Anton van den Hengel.Pattern Recognition . 2019
[9] Network in network .2 Lin M,Chen Q,Yan S. . 2013

← 1 →