题目: A Survey of the Recent Architectures of Deep Convolutional Neural Networks

摘要:

深度卷积神经网络(CNNs)是一种特殊类型的神经网络,在计算机视觉和图像处理等领域的多项竞赛中均有出色的表现。CNN有趣的应用领域包括图像分类与分割、目标检测、视频处理、自然语言处理、语音识别等。深度卷积神经网络强大的学习能力很大程度上是由于它使用了多个特征提取阶段,可以从数据中自动学习表示。大量数据的可用性和硬件技术的改进加速了CNNs的研究,最近出现了非常有趣的深度卷积神经网络架构。事实上,人们已经探索了几个有趣的想法来促进CNNs的发展,比如使用不同的激活和丢失函数、参数优化、正则化和架构创新。然而,深度卷积神经网络的代表性能力的主要提升是通过架构上的创新实现的。特别是利用空间和信道信息、建筑的深度和宽度以及多路径信息处理的思想得到了广泛的关注。同样,使用一组层作为结构单元的想法也越来越流行。因此,本次调查的重点是最近报道的深度CNN架构的内在分类,因此,将CNN架构的最新创新分为七个不同的类别。这七个类别分别基于空间开发、深度、多路径、宽度、特征图开发、通道提升和注意力。对CNN的组成部分、当前CNN面临的挑战和应用进行了初步的了解。

成为VIP会员查看完整内容
45

相关内容

在深度学习中,卷积神经网络(CNN或ConvNet)是一类深度神经网络,最常用于分析视觉图像。基于它们的共享权重架构和平移不变性特征,它们也被称为位移不变或空间不变的人工神经网络(SIANN)。它们在图像和视频识别,推荐系统,图像分类,医学图像分析,自然语言处理,和财务时间序列中都有应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《深度多模态数据分析》综述论文,26页pdf
专知会员服务
292+阅读 · 2020年6月16日
注意力机制模型最新综述
专知会员服务
259+阅读 · 2019年10月20日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
从0到1,这篇深度学习综述送给你!
机器学习算法与Python学习
27+阅读 · 2018年6月13日
深度剖析卷积神经网络
云栖社区
7+阅读 · 2018年5月27日
一文读懂最近流行的CNN架构(附学习资料)
数据派THU
6+阅读 · 2018年1月14日
【深度学习基础】4. Recurrent Neural Networks
微信AI
16+阅读 · 2017年7月19日
端对端的深度卷积神经网络在语音识别中的应用
深度学习每日摘要
6+阅读 · 2017年7月18日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Neural Architecture Optimization
Arxiv
8+阅读 · 2018年9月5日
Arxiv
12+阅读 · 2018年9月5日
VIP会员
相关资讯
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
从0到1,这篇深度学习综述送给你!
机器学习算法与Python学习
27+阅读 · 2018年6月13日
深度剖析卷积神经网络
云栖社区
7+阅读 · 2018年5月27日
一文读懂最近流行的CNN架构(附学习资料)
数据派THU
6+阅读 · 2018年1月14日
【深度学习基础】4. Recurrent Neural Networks
微信AI
16+阅读 · 2017年7月19日
端对端的深度卷积神经网络在语音识别中的应用
深度学习每日摘要
6+阅读 · 2017年7月18日
微信扫码咨询专知VIP会员