卷积神经网络及目标检测调研报告

最新推荐文章于 2020-12-11 02:51:51 发布
最新推荐文章于 2020-12-11 02:51:51 发布
阅读量2.3k 收藏 3
点赞数
分类专栏： 机器学习 Computer Vision 文章标签： 卷积神经网络 目标检测 imagenet
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wds555/article/details/42916691
版权
本报告深入探讨了卷积神经网络的基础概念及其发展，并对其改进与GPU并行化进行了详细阐述。此外，还概述了目标检测领域的关键数据库及最新研究进展。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

这个PPT是最近做的一次卷积神经网络和目标检测识别的调研报告，包括读的几篇顶级会议期刊的论文，分为以下内容：

（1）卷积神经网络的基本概念和发展脉络；

（2）卷积神经网络的改进；

（3）卷积神经网络的GPU并行化；

（4）目标检测相关数据库和研究进展。

PPT做的有点粗糙，见谅。。。整个PPT最后的参考文献是最重要的^_^。

因为页数太多，就不往上贴了，有需要的话，资源连接在这里：

卷积网PPT: http://download.youkuaiyun.com/detail/wds555/8379061






卷积神经网络之目标检测总结
dlphay的博客
07-22 2万+
传统的目标检测任务主要通过人工提取特征模型建立，常用的特征包括：HOG、SIFT、Haar等，特征提取模型之后进行支持向量机或者Adaboost的分类任务，进而得到我们所关注的目标结果。由于特征模型的局限性，我们引入卷积特征，也就是经过卷积神经网络得到的特征信息，包括浅层信息和深层信息，浅层信息指的是：前级的卷积层得到的特征图，感受野更加关注的是图像细节纹理等特征。深层信息包括：后级的卷积层卷积得到的特征图信息，在语义语境方面更加抽象的高层信息。人工神经网络是根据大脑神经突触联接的结构进行信息处理的数学模型
基于深度学习的目标检测算法调研
和而不流
11-12 2221
文章目录0 目标检测的任务概述1 基于深度学习的「目标检测」算法1.1 两刀流 R-CNN1.1.1 R-CNN / 20131.1.2 SPP Net / 20141.1.3 Fast R-CNN / 20151.1.4 Faster R-CNN / 20151.1.5 Mask R-CNN / 20171.1.6 二刀流小结1.2 一刀流 YOLO1.2.1 YOLO / 20151.2.2 ...
卷积神经网络报告
03-22
卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络。
卷积神经网络课程报告
05-09
卷积神经网络课程报告
针对深度学习（神经网络）的AI框架调研
djph26741的博客
01-25 232
针对深度学习（神经网络）的AI框架调研 在我们的AI安全引擎中未来会使用深度学习（神经网络），后续将引入AI芯片，因此重点看了下业界AI芯片厂商和对应芯片的AI框架，包括Intel（MKL CPU）、谷歌（TPU）、NVidia（GPU）、华为和寒武纪，发现所有的AI芯片都支持TensorFlow框架。 从收集到的信息来看： 1、目前TensorFlow在智能边缘计算中...
常见卷积神经网络分析
yph001的博客
11-28 507
一、经典卷积神经网络剖析 卷积神经网络中较位经典的网络有LeNet-5、AlexNet、VGG16等，下面分别进行介绍：     LeNet-5这一神经网络模型是Yann LeCun 教授于1998年在论文 Gradient-based learning applied to
GNNs综述：图神经网络的综合调查（A Comprehensive Survey on Graph Neural Networks）
十里清风
12-11 2244
文章目录I. 引言II. 背景和定义A. 背景 最近一些年，深度学习彻底改变了许多机器学习任务，从图像分类、视频处理到语音识别、自然语音理解，这些任务中的数据通常可在欧式空间中表示。然而，有越来越多应用的数据是从非欧式空间中生成，并以物体之间具有复杂关系和依赖的图表示。图数据的复杂性给现有机器学习算法施加了重大挑战。 最近，涌现很多扩展机器学习方法处理图数据的研究。在这份调查中，我们提供了图神经网络（graph neural networks，GNNs）在数据挖掘和机器学习领域的综述。我们提出一种分类，将
[多尺度物体目标检测]技术概述/综述
Can的博客
03-08 1万+
目录 1 绪论 1.1 引言 1.2 研究背景 1.3 研究意义 1.4 目前存在的问题 2 传统目标检测方法 2.1 HOG+SVM 2.1.1 简介 2.1.2 检测流程 2.2 DPM 2.2.1 简介 2.2.2 检测流程 3 基于REGION PROPOSAL的方法 3.1 R-CNN 3.1.1 算法思想 3.1.2 检测流程 3.2 SPP-NE...
开题报告基于神经网络的车牌识别研究-开题.doc
08-13
开题报告基于神经网络的车牌识别研究-开题.doc 开题报告。格式以及内容 希望对大家的毕业设计有帮助
车牌识别的开题报告，综述，自己整理的
12-22
对马上开题的同学有参考价值，次综述是对现阶段的车牌研究领域的算法的一个系统的分析
论文研究-基于卷积神经网络的手写数字识别算法研究 .pdf
08-19
基于卷积神经网络的手写数字识别算法研究，张荣磊，刘学，根据串行方式实现卷积神经网络的局限性，提出了基于MapReduce的卷积神经网络识别算法，使其在手写数字识别的准确率和速度上取得更好
卷积神经网络(CNN)的17篇有影响力的论文题目和创新点介绍
11-29
整理了从2012年到2017年15篇国际顶级会议的卷积神经网络(CNN)的架构论文，并注明了每篇论文的创新点。需要注意的是：只是整理了论文题目，并没有下载地址，下载者可以根据题目下载对应的论文。
[调研报告]人脸识别
热门推荐
faiculty
10-31 2万+
一、前述 1. 发展 以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出，人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部分人...
目标检测研究现状调研
IBelieve2016的博客
08-20 1万+
近期在调研目标检测的研究现状，包括two-stage和one-stage，以及anchor-based和anchor-free。 把用到的一些链接记录一下 ，方便查阅。 机器之心的一篇文章： 从锚点到关键点，最新的目标检测方法发展到哪了 这篇文章介绍了目标检测方法从anchor-based到anchor-free的发展，并指出anchor-free将会是比较有前景的研究方向。文章是以一篇综...
机器学习、深度学习、神经网络这几个概念的区别
rela0426的博客
08-05 1475
机器学习、深度学习、神经网络这几个概念的区别机器学习神经网络深度学习卷积神经网络总结 机器学习 机器学习早在20世纪50年代就已经很火了，它有着很长的历史，主要指的是研究如何使用机器来模拟人类学习活动的一门学科。简单的说，就是让机器具备学习能力，就叫机器学习。机器学习是实现人工智能的必经路径。 常见的机器学习算法包括： 1）决策树算法 2）朴素贝叶斯算法 3）支持向量机算法 4）随机森林算法 5）人工神经网络算法 6）Boosting与Bagging算法 7）关联规则算法 8）EM（期望最大化）算法 神
思考卷积神经网络（CNN）中各种意义
aimreant的专栏
11-13 1万+
思考卷积神经网络（CNN）中各种意义只是知道CNN是不够，我们需要对其进行解剖，继而分析不同部件存在的意义CNN的目的简单来说，CNN的目的是以一定的模型对事物进行特征提取，而后根据特征对该事物进行分类、识别、预测或决策等。在这个过程里，最重要的步骤在于特征提取，即如何提取到能最大程度区分事物的特征。如果提取的特征无法将不同的事物进行划分，那么该特征提取步骤将毫无意义。而实现这个伟大的模型的，是对C
CVPR 2018 目标检测亮点算法概览
星智云图工作室（StarImagine Studio）
11-24 989
转载自：AI 之路    原文：https://blog.youkuaiyun.com/u014380165/article/details/80784147 CVPR2018 上关于目标检测（object detection）的论文比去年要多很多，而且大部分都有亮点。从其中挑了几篇非常有意思的文章，特来分享，每篇文章都有详细的博客笔记，可以点击链接阅读。 1、Cascaded RCNN  论文：《 Ca...
深度学习调研报告：从基本思想到未来展望
从简单的前馈神经网络到卷积神经网络（CNN）、递归神经网络（RNN）、长短时记忆网络（LSTM）以及后来的生成对抗网络（GAN），深度学习模型不断扩展和深化，应用领域不断拓宽。 在算法层面，报告提到了深度学习的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值