文献类型：期刊文章

作　　者：杨真真[1,2] 匡楠[3] 范露[3] 康彬[4]

YANG Zhen-zhen;KUANG Nan;FAN Lu;KANG Bin(National Engineering Research Center of Communications and Networking,Nanjing University of Posts and Telecommunications,Nanjing,Jiangsu 210003,China;School of Science,Nanjing University of Posts and Telecommunications,Nanjing,Jiangsu 210023,China;College of Communication&Information Engineering,Nanjing University of Posts and Telecommunications,Nanjing,Jiangsu 210003,China;Institute of Internet of Things,Nanjing University of Posts and Telecommunications,Nanjing,Jiangsu 210023,China)

机构地区：[1]南京邮电大学通信与网络技术国家工程研究中心,江苏南京210003 [2]南京邮电大学理学院,江苏南京210023 [3]南京邮电大学通信与信息工程学院,江苏南京210003 [4]南京邮电大学物联网学院,江苏南京210003

出　　处：《信号处理》

基　　金：国家自然科学基金(61501251;11671004;61271335;61271240);中国博士后科学基金(2018M632326);通信与网络技术国家工程研究中心开放课题(TXKY17010);江苏省自然科学基金青年基金(BK20170915);江苏省高校自然科学面上项目(17KJD510005);南京邮电大学引进人才科研启动基金(NY214191;NY216023)

年　　份：2018

卷　　号：34

期　　号：12

起止页码：1474-1489

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着大数据的到来以及计算能力的提高,深度学习(Deep Learning,DL)席卷全球。传统的图像分类方法难以处理庞大的图像数据以及无法满足人们对图像分类精度和速度上的要求,基于卷积神经网络(Convolutional Neural Network,CNN)的图像分类方法冲破了传统图像分类方法的瓶颈,成为目前图像分类的主流算法,如何有效利用卷积神经网络来进行图像分类成为国内外计算机视觉领域研究的热点。本文在对卷积神经网络进行系统的研究并且深入研究卷积神经网络在图像处理中的应用后,给出了基于卷积神经网络的图像分类所采用的主流结构模型、优缺点、时间/空间复杂度、模型训练过程中可能遇到的问题和相应的解决方案,与此同时也对基于深度学习的图像分类拓展模型的生成式对抗网络和胶囊网络进行介绍;然后通过仿真实验验证了在图像分类精度上,基于卷积神经网络的图像分类方法优于传统图像分类方法,同时综合比较了目前较为流行的卷积神经网络模型之间的性能差异并进一步验证了各种模型的优缺点;最后对于过拟合问题、数据集构建方法、生成式对抗网络及胶囊网络性能进行相关实验及分析。

关 键 词：卷积神经网络 图像分类 深度学习  生成式对抗网络  胶囊网络  

分 类 号：TN911.73]