简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：摘要：卷积神经网络是一种新型的无导师学习算法,在近几年有了较大发展,其主要思想为利用层间节点竞争产生隐含函数来处理非线性系统，在处理非平稳信号方面,它的优势主要体现在:可以利用网络中所有隐含层,使得原始数据与新产生的参数都保持一定关系,从而实现了非线性函数逼近;通过使用简单、有效等方法来减少输出矢量对算法时间和计算量要求较高之处。本文将介绍一下卷积神经网模型结构及相关技术特性以及一些典型应用场景下常用学习算法进行分析研究。

简介：

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：摘要：深度学习和人工智能已成为我国当下的热门讨论话题，卷积神经网络模型作为深度学习模型中具有代表性的模型之一受到了许多研究者的关注。本文在介绍卷积神经网络模型发展历程的基础上，探讨了卷积神经网络模型在目标检测、语义分割以及自然语言处理方面的应用，以期能为该领域的研究者选择模型时提供参考。

简介：摘要：图像自动标注问题要解决的就是图像和标注词之间的语义问题，为了让计算机能够解决图像与文本之间的“语义鸿沟”，让计算机通过一个模型算法计算得到我们需要的分类结果，而这个模型可以看成一个很复杂的函数，通过这个函数计算得到的结果便是我们需要的。卷积神经网络作为近些年来比较热门的深度学习算法，因其在图像识别领域有着强大的能力，故而选择了卷积神经网络作为主要模型。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：摘要：随着近年来深度学习的迅速发展，不同的深度学习算法在各个领域取得了重大突破，其中卷积神经网络的“权值共享”的概念，使得大规模的网络训练变得简单，所以在图像识别领域中应用的十分广泛。本文首先介绍人像采集和图像预处理，接着利用经典卷积神经网络模型为人脸识别建模，然后评估模型性能，最后利用训练好的模型，并设置人像概率阈值，识别结果。

简介：摘要 手写数字识别技术在近年来的应用逐渐广泛，人们对手写数字识别技术的要求也逐渐增高。卷积神经网络模型由于其良好的功能越来越广地被应用与手写数字识别领域，识别精度也在逐渐提高。本文首先针对卷积神经网络的构成结构进行简单的叙述，之后针对卷积神经网络技术在手写数字识别领域中各种形式的优化与其应用进行综述，最后分析了目前手写数字识别技术的主要优点以及还存在的不足，并进一步展望未来的研究发展方向。

简介：摘要本文针对人工缺陷识别的缺点，提出了基于深度学习的输电设备缺陷识别方法，使用卷积神经网络进行图片的特征提取，避免了前期复杂繁琐的图片预处理，与此同时选用了ImageNet作为分类器进行缺陷判断。该方法经过实验验证，对常见的设备缺陷有较高的识别率，提高了输电线路巡检的自动化水平，降低了人工的劳动强度，便于快速准确的发现输电线路缺陷。

简介：摘要：近些年，随着社会发展，我国的科学技术水平不断进步，促进了信息网络时代到来。在电力生产企业中，数据系统已经被广泛应用，其中计量自动化系统就在电网企业中被广泛应用，而且也越加成熟。目前，在互联网安全中，验证码是安全措施中的第一道屏障。通过验证码识别技术，可以实现系统的自动登录，从而为系统数据的读取和存储提高智能化技术手段。本文主要讲述了，基于卷积神经网络的验证码识别技术在计量自动化系统中的应用。

简介：摘要：深度学习是人工智能领域的重要研究方向，TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍，在Tensorflow框架基础之上实现了U-Net网络模型；然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。

简介：【摘要】目前针对大空间场合的火灾识别，本文提出一种利用卷积神经网络识别的算法。该算法主要依靠卷积神经网络对图像进行识别，卷积神经网络通过提取图像特征信息来进行深层次分析，完成对火灾的判断，有效提高了火灾探测的可靠性。

简介：【摘要】目前针对大空间场合的火灾识别，本文提出一种利用卷积神经网络识别的算法。该算法主要依靠卷积神经网络对图像进行识别，卷积神经网络通过提取图像特征信息来进行深层次分析，完成对火灾的判断，有效提高了火灾探测的可靠性。

简介：摘要：为了避免传统的表情识别中复杂的显式特征提取过程，文中提出了一种用于人脸表情识别的卷积神经网络( CNN) 。首先，对人脸表情图像进行归一化预处理，并使用可训练的卷积核提取隐式的特征。然后，采用最大池化方法对提取的隐式特征进行降维处理。最后，采用 Softmax 分类器对测试样本图像的表情进行分类识别。使用图形处理器( GPU) 在 CK + 人脸表情数据库上进行了实验，结果表明了 CNN 用于人脸表情识别的性能和泛化能力。

简介：摘要：深度学习作为一种有效的机器学习方法，在各个领域都表现出了十分优秀的性能。作为一种深度学习基本模型，卷积神经网络(CNN)强大的特征学习和迁移学习能力在计算机视觉界越来越受到关注。本文介绍了卷积神经网络的基本结构，并介绍了随着时间出现的各种以卷积神经网络为基础的模型，例如Lenet、Alexnet、GoogleNet、VGGNet、ResNet，刨析并总结了各个模型的优缺点。

简介：摘要：轴承是旋转机械设备的关键部件，轴承的失效直接影响到设备的运行情况。当今机械设备的自动化和精密化水平不断提高，对轴承故障诊断的需求越来越迫切。轴承故障诊断方法按照机理主要包括振动诊断、声音识别和温度监测等，但这些方法往往需要专业知识和丰富经验，且容易受到环境噪声和人为误差的干扰。卷积神经网络通过卷积层和池化层对特征的逐级提取，可以在无需人工干预的情况下，卷积核在特定步长的运算下能从大量的轴承信号数据中学习到复杂的时空特征。因此，将卷积神经网络应用于轴承故障诊断具有很大的潜力。

简介：摘要:随着大数据时代的到来和计算机能力的提升，传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求，而卷积神经网络具有强大的特征学习能力，突破了传统目标检测方法的瓶颈，基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先，文中介绍了卷积神经网络在目标检测任务上的优越性；其次，梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用，并对其中几种典型卷积神经网络的结构进行归纳总结分析；最后，讨论了目标检测的应用方面仍然存在的问题，并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。