这篇论文总结了深度学习中最广泛研究的卷积神经网络在不同方面的改进方法和优化技术,并介绍了其在计算机视觉、语音和自然语言处理等领域的应用。
Dec, 2015
本文综述了卷积神经网络的历史,概述了卷积神经网络的结构,介绍了一些基础和高级模型,并通过实验分析总结了一些适用函数的经验法则。此外,本文还涵盖了一维、二维和多维卷积的应用,并讨论了卷积神经网络面临的一些问题和未来的方向。
Apr, 2020
本文从深度卷积神经网络的内在分类入手,将现有研究成果归纳为七大类,即空间利用、深度、多路径、宽度、特征图利用、通道增强和注意力,同时介绍 CNN 组件的基础理解、当前挑战和应用领域。
Jan, 2019
本综述介绍了卷积神经网络(CNN)在计算神经科学中作为良好模型的特征,以及这些模型如何在理解和实验生物视觉方面提供启示,并讨论了在基本物体识别之外的视觉研究中使用 CNN 的新兴机会。
Jan, 2020
本文介绍了卷积神经网络在图像分类任务中应用的不同架构,从 LeNet-5 到最新的 SENet 模型。同时比较了各个模型的性能差异和训练细节。
May, 2019
本文提供了对现有技术的卷积神经网络分析和拓扑构建的全面概述,并描述和评估了一些层次分类器。此外,本文还开发了一种可视化分类错误的新方法,并在 CIFAR-100 上量化了一些结果,如在精度方面较小批量大小、平均集成、数据增强和测试时间转换等的积极影响。本文还开发了一个模型,它只有 100 万个学习参数,适用于 32x32x3 和 100 类输入,并在基准数据集 Asirra、GTSRB、HASYv2 和 STL-10 上击败了现有技术。
Jul, 2017
本文综合介绍了 1D CNN 的一般结构和原则、主要的工程应用领域以及这个领域的最新进展和其性能,着重介绍了 1D CNN 的一些独特性质,并公开了其中所使用的基准数据集和主要软件。
本文介绍了卷积神经网络(CNNs),其不同变体以及如何将其应用于自然语言处理(NLP)。
Mar, 2017
本论文介绍了一种基于光子学电路的 CNN 数字处理体系结构,相较于当前电子学电路,本体系结构在每次推断中消耗的能量仅为其一部分。
Aug, 2018
本文综述了近期在文献中对 CVNNs 的各种工作,并详细研究了各种 CVNNs 的激活功能、学习与优化、输入和输出表示,以及在信号处理和计算机视觉等任务中的应用,同时探讨了一些挑战和未来研究方向。
Jan, 2021