原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
卷积神经网络的研究进展综述-南华大学学报
第３０卷第３期 南华大学学报(自然科学版) Ｖｏｌ３０ Ｎｏ３
２０１６年９月 Ｊｏｕｒｎａｌ ｏｆ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｏｕｔｈ Ｃｈｉｎａ(Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ) Ｓｅｐ２０１６
－ － －
文章编号:１６７３ ００６２(２０１６)０３ ００６６ ０７
卷积神经网络的研究进展综述
杨 斌ꎬ钟金英
(南华大学 电气工程学院ꎬ湖南 衡阳４２１００１)
摘 要:深度学习(ｄｅｅｐ ｌｅａｒｎｉｎｇꎬＤＬ)强大的建模和表征能力很好地解决了特征表达
能力不足和维数灾难等模式识别方向的关键问题ꎬ受到各国学者的广泛关注.而仿生
物视觉系统的卷积神经网络(ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋꎬＣＮＮ)是ＤＬ 中最先成功的
案例ꎬ其局部感受野、权值共享和降采样三个特点使之成为智能机器视觉领域的研究
热点.对此ꎬ本文综述ＣＮＮ最新研究成果ꎬ介绍其发展历程、最新理论模型及其在语
音、图像和视频中的应用ꎬ并对ＣＮＮ 未来的发展潜力和发展方向进行了展望和总结.
关键词:深度学习ꎻ卷积神经网络ꎻ特征提取ꎻ智能识别
中图分类号:ＴＰ４１２.１４ 文献标识码:Ａ
Ｒｅｖｉｅｗ ｏｆ Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
ＹＡＮＧ ＢｉｎꎬＺＨＯＮＧＪｉｎ￣ｙｉｎｇ
(Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ＥｎｇｉｎｅｅｒｉｎｇꎬＵｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｏｕｔｈ ＣｈｉｎａꎬＨｅｎｇｙａｎｇꎬＨｕｎａｎ４２１００１ꎬＣｈｉｎａ)
Ａｂｓｔｒａｃｔ:Ｄｅｅｐ ｌｅａｒｎｉｎｇ ｔｈｅｏｒｙ ｈａｓ ｒｅｃｅｉｖｅｄ ｅｘｔｅｎｓｉｖｅ ａｔｔｅｎｔｉｏｎ ｏｆ ｓｃｈｏｌａｒｓ ａｌｌ ｏｖｅｒ ｔｈｅ
ｗｏｒｌｄ ｂｅｃａｕｓｅ ｏｆ ｉｔｓｐｏｗｅｒｆｕｌ ｍｏｄｅｌｉｎｇ ａｎｄ ｈｉｇｈ ｒｅｐｒｅｓｅｎｔａｔｉｏｎａｌ ａｂｉｌｉｔｉｅｓ.Ｉｔ ｓｏｌｖｅｄ ｔｈｅ ｋｅｙ
ｐｒｏｂｌｅｍｓ ｏｆ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎꎬｓｕｃｈ ａｓ ｔｈｅ ｉｎｓｕｆｆｉｃｉｅｎｃｙ ｏｆ ｅｘｐｒｅｓｓｉｏｎ ａｂｉｌｉｔｙ ａｎｄ ｄｉｍｅｎ￣
ｓｉｏｎａｌｉｔｙ ｃｕｒｓｅ.Ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ (ＣＮＮ) ｉｓ ａ ｓｕｃｃｅｓｓｆｕｌ ｃｏｍｐｏｎｅｎｔ ｏｆ ｄｅｅｐ
ｌｅａｒｎｉｎｇꎬｗｈｉｃｈ ｉｍｉｔａｔｅｓ ｔｈｅ ｂｉｏｌｏｇｉｃａｌ ｖｉｓｉｏｎ ｓｙｓｔｅｍ.Ｌｏｃａｌ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄꎬｓｈａｒｉｎｇ ｗｅｉｇｈｔｓ
ａｎｄ ｄｏｗｎ ｓａｍｐｌｉｎｇ ａｒｅｔｈｒｅｅｉｍｐｏｒｔａｎｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆ ＣＮＮｗｈｉｃｈｌｅａｄｉｔｔｏｂｅｔｈｅｈｏｔｓ￣
ｐｏｔ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｍａｃｈｉｎｅｖｉｓｉｏｎ.Ｔｈｅｒｅｆｏｒｅꎬｔｈｉｓｐａｐｅｒ ｓｕｍｍａｒｉｚｅｓｔｈｅｌａｔｅｓｔ ｒｅ￣
ｓｅａｒｃｈ ｗｏｒｋｓ ｏｆ ＣＮＮ.Ｆｉｒｓｔｌｙꎬｔｈｅ ｈｉｓｔｏｒｙ ｏｆ ＣＮＮ ｉｓ ｉｎｔｒｏｄｕｃｅｄ.Ｓｅｃｏｎｄｌｙꎬｓｔａｔｅ￣ｏｆ￣ｔｈｅ￣ａｒｔ
ｍｏｄｉｆｉｅｄ ｍｏｄｅｌｓ ｏｆ ＣＮＮ ａｒｅ ｒｅｖｉｅｗｅｄ.Ｔｈｅｎꎬｔｈｅ ａｐｐｌｉｃａｔｉｏｎｓｏｆ ＣＮＮ ｉｎ ｓｐｅｅｃｈꎬｉｍａｇｅ ａｎｄ
ｖｉｄｅｏ ｐｒｏｃｅｓｓｉｎｇ ａｒｅ ｉｌｌｕｓｔｒａｔｅｄ.Ｆｉｎａｌｌｙꎬｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄｓ ｏｆ ＣＮＮ ａｒｅ ｃｏｎｃｌｕｄｅｄ.
－ －
收稿日期:２０１６ ０４ ０５
文档评论（0）