2025《基于卷积神经网络的目标检测研究国内外文献综述》2700字.docxVIP

下载本文档

0
0
约2.95万字
约 4页
2025-12-19 发布于湖北
举报
版权申诉

2025《基于卷积神经网络的目标检测研究国内外文献综述》2700字.docx

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于卷积神经网络的目标检测研究国内外文献综述

神经网络的诞生是科学家借鉴了生物体大脑神经元和感受野等相关工作思想的产物，首个多层感知机ADDINZOTERO_ITEMCSL_CITATION{citationID:94tBbYEC,properties:{formattedCitation:\\super[4]\\nosupersub{},plainCitation:[4],noteIndex:0},citationItems:[{id:270,uris:[/users/local/hvrdmomw/items/E9HHM83J],uri:[/users/local/hvrdmomw/items/E9HHM83J],itemData:{id:270,type:book,publisher:TheMITPress,title:DeepLearning,author:[{family:Goodfellow,given:Ian},{family:Bengio,given:Yoshua},{family:Courville,given:Aaron}],issued:{date-parts:[[2016]]}}}],schema:/citation-style-language/schema/raw/master/csl-citation.json}[4]出现在1958年，将其视为神经网络最初模型的原因，在于其可以对单个神经元训练。。

Fukushima在1980年的一篇论文中提到一种模型，该模型包含了卷积和池化层，作者将其命名为认知机。随后误差反向传播算法ADDINZOTERO_ITEMCSL_CITATION{citationID:eCCdurnK,properties:{formattedCitation:\\super[5]\\nosupersub{},plainCitation:[5],noteIndex:0},citationItems:[{id:272,uris:[/users/local/hvrdmomw/items/GMZDDMJS],uri:[/users/local/hvrdmomw/items/GMZDDMJS],itemData:{id:272,type:article-journal,container-title:Nature,title:Learningrepresentationsbyback-propagatingerrors,author:[{family:Rumelhart,given:DavidE.},{family:Hinton,given:GeoffreyE.},{family:Williams,given:RonaldJ.}]}}],schema:/citation-style-language/schema/raw/master/csl-citation.json}[5]被Rumelhart等人提出，后成为熟知且广泛使用的算法BP（BackPropagation），在模型工作进程占据着举足轻重的地位。

LeNet-5网络模型在1998年由LeCun等人ADDINZOTERO_ITEMCSL_CITATION{citationID:2AwKKpR9,properties:{formattedCitation:\\super[6]\\nosupersub{},plainCitation:[6],noteIndex:0},citationItems:[{id:269,uris:[/users/local/hvrdmomw/items/JWPXSGIP],uri:[/users/local/hvrdmomw/items/JWPXSGIP],itemData:{id:269,type:article-journal,container-title:ProceedingsoftheIEEE,issue:11,page:2278-2324,title:Gradient-basedlearningappliedtodocumentrecognition,volume:86,author:[{family:Lecun,given:Y.},{family:Bottou,given:L.}],issued:{date-parts:[[1998]]}}}],schema:/citation-style-language/schema/raw/master/csl-citation.json}[6]提出了，被看做卷积神经网络的最初的样子，改模型应用到了手写体的识别工作中。不过此后的一段时间内，卷积神经网络的发展停滞不前，一是因为相应的关键问