近幾年的AI發展潮流勢不可擋,其中深度學習算法功不可沒,巨大的應用價值也造就了這一領域的快速發展速度,相關論文層出不窮,今天為大家推薦一篇最新的綜述文章,介紹了深度卷積神經網絡(CNN)框架的一些最新研究進展。
介紹:
深度卷積神經網絡(CNN)是一種特殊類型的神經網絡,它在各種競賽中均取得了非常不錯的結果,深度CNN的強大學習能力,主要通過多層非線性特征提取器來實現,這些過程可以自動的從數據中學習分層表示。大量的可用數據和硬件處理器的改進加速了CNN的研究進程。
最近,CNN相關算法的研究表明,在一些非常具有挑戰性的基準測試中,創新的架構思想以及參數上的優化,可以大幅度的提高算法的性能。在這方面,以往的研究已經做了大量的實驗,證明了這一點,例如使用不同的激活函數和損失函數、參數優化、正則化以及框架重構等等。因此,本篇綜述主要針對CNN架構中的内在結構分類,将CNN架構劃分為七種不同類别,這七個類别基于空間利用、深度、多路徑、寬度、feature map、channel提升以及注意力機制。此外,還涵蓋了CNN組件的基本介紹,并闡明了CNN當前的挑戰和機遇。
私信回複“SRADC” 就可以獲取本文的下載鍊接~
附論文全文:
,
更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!