深度学习在图像目标检测中的卷积神经网络优化研究

Journal: Journal of International Education Forum DOI: 10.12238/jief.v6i9.10272

朱文轩

江苏安全技术职业学院

Abstract

本研究旨在探讨深度学习在图像目标检测中的卷积神经网络（CNN）优化策略。随着计算机视觉领域的迅速发展，图像目标检测在实际应用中扮演着至关重要的角色。然而，CNN作为目前最主流的图像处理技术之一，仍然存在许多优化空间。通过分析现有研究和实验，本文首先提出了CNN架构的改进方法，包括特征提取、网络深度和激活函数等方面的优化。接着，我们讨论了数据增强和迁移学习等技术在图像目标检测中的应用。最后，我们总结了不同优化策略的效果，并提出了未来深度学习在图像目标检测中的发展方向。

Keywords

深度学习、卷积神经网络、图像目标检测、优化策略、数据增强

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 张英达."深度学习在图像目标检测中的应用研究."计算机视觉与模式识别杂志，2020，10（2）：45-60.
[2] 王冉."图像目标检测中的网络架构优化方法研究."人工智能研究，2019，15（3）：120-135.
[3] 陈佳."深度学习中的自监督学习和迁移学习综述."模式识别与人工智能，2018，28（4）：320-335.
[4] 刘毅、陈小玉.（2018）.深度学习在计算机视觉中的应用：现状与展望. 电子学报，46（10），2357-2366.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License