文献类型：期刊文章

作　　者：季长清[1,2] 高志勇[2] 秦静[3] 汪祖民[2]

JI Changqing;GAO Zhiyong;QIN Jing;WANG Zumin(College of Physical Science and Technology,Dalian University,Dalian Liaoning 116622,China;College of Information Engineering,Dalian University,Dalian Liaoning 116622,China;College of Software Engineering,Dalian University,Dalian Liaoning 116622,China)

机构地区：[1]大连大学物理科学与技术学院,辽宁大连116622 [2]大连大学信息工程学院,辽宁大连116622 [3]大连大学软件工程学院,辽宁大连116622

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(62002038)。

年　　份：2022

卷　　号：42

期　　号：4

起止页码：1044-1049

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：卷积神经网络(CNN)是目前基于深度学习的计算机视觉领域中重要的研究方向之一。它在图像分类和分割、目标检测等的应用中表现出色,其强大的特征学习与特征表达能力越来越受到研究者的推崇。然而,CNN仍存在特征提取不完整、样本训练过拟合等问题。针对这些问题,介绍了CNN的发展、CNN经典的网络模型及其组件,并提供了解决上述问题的方法。通过对CNN模型在图像分类中研究现状的综述,为CNN的进一步发展及研究方向提供了建议。

关 键 词：深度学习  卷积神经网络 图像分类 特征提取 过拟合

分 类 号：TP181]