文献类型：期刊文章

作　　者：苏赋[1] 吕沁[1] 罗仁泽[2]

SU Fu;LV Qin;LUO Renze(School of Electrical and Information Engineering,Southwest Petroleum University,Chengdu 610500,China;School of Earth Sciences and Technology,Southwest Petroleum University,Chengdu 610500,China)

机构地区：[1]西南石油大学电气信息学院,四川成都610500 [2]西南石油大学地球科学与技术学院,四川成都610500

出　　处：《电信科学》

基　　金：国家重点研发计划基金资助项目(No.2016YFC0601100);四川省科技计划基金资助项目(No.2019CXRC0027)~~

年　　份：2019

卷　　号：35

期　　号：11

起止页码：58-74

语　　种：中文

收录情况：CSA、CSA-PROQEUST、INSPEC、JST、NSSD、RCCSE、ZGKJHX、普通刊

摘　　要：近年来,深度学习在计算机视觉领域中的表现优于传统的机器学习技术,而图像分类问题是其中最突出的研究课题之一。传统的图像分类方法难以处理庞大的图像数据,且无法满足人们对图像分类精度和速度的要求,而基于深度学习的图像分类方法突破了此瓶颈,成为目前图像分类的主流方法。从图像分类的研究意义出发,介绍了其发展现状。其次,具体分析了图像分类中最重要的深度学习方法(即自动编码器、深度信念网络与深度玻尔兹曼机)以及卷积神经网络的结构、优点和局限性。再次,对比分析了方法之间的差异及其在常用数据集上的性能表现。最后,探讨了深度学习方法在图像分类领域的不足及未来可能的研究方向。

关 键 词：深度学习  图像分类 自编码器  深度信念网络  卷积神经网络

分 类 号：TP393]