基于卷积神经网络的图像分类算法综述

一、简介

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的重要研究领域方向之一。CNN在图像分类、分割、目标检测的应用中表现十分的出色，但是CNN存在一些特征提取不完整、样本训练过过拟合的问题。针对这些问题，在本文中提出了CNN的发展，和CNN的经典网络模型及组件。提出了一些解决上面问题的方法。

二、文章结构

1、summary

2、introduction

  • 总的介绍了深度学习神经王网络的发展历史

image-20230416091347396

  • 介绍了CNN的主体结构

    • 卷积层
    • 激活层 ReLU
    • 归一层 Batch Normelization (BN)
    • 池化层 Pooling (Max Pooling, Average Pooling, Spatial Pyramid Pooling)

  • 介绍了几个经典网络的模型

    • AlexNet

    • VGG

    • GoogLeNet (Inception（V1，V2, V3，V4）)

    • ResNet 残差

    • MobileNet

3、end

image-20230416092413614

三、总结

文章优点

结构清晰、阐述了CNN的发展历史，提出了几种经典的网络模型

结尾提出Tansformer,确实是重点研究方向之一

文章缺点

激活层现在不止只有ReLU, DropOut随机失活层

借鉴

综述的模板

里面有一些可以引荐