深度卷积神经网络的发展及其在计算机视觉领域的应用（综述型论文）

（简单总结）

作者：张顺，龚怡宏、王进军

摘要：本文主要讲了①卷积神经网络的发展历史，②深度卷积神经的原理，③卷积神经网络的代表性成果（分别从增加网络层数方面，增加数据集规模方面，改进训练方法方面介绍），④针对计算机视觉领域，介绍卷积神经网络在图像分类、目标检测、人脸识别、行人再识别、图像语义分割、图片标题生成、图像超分辨率、人体动作识别以及图像检索等方面的最新研究成果。

关键词：类脑智能；神经网络；深度学习；计算机视觉；视觉认知

DCNN相关技术：

1、增加网络层数：AlexNet -> ZF-net -> VGG net -> GoogleNet

2、增加训练数据集规模：增加训练样本数量；Data Augmention

3、正则化：L2正则化；Dropout；DropConnect和Maxout

4、其他改进训练的学习方法：

- 改进激活函数（Sigmoid函数，Tanh函数，ReLU，LReLU，PReLU）；

- 定义不同的损失函数（Hinge损失，Contrastive损失）；

- 其他常用技术（Batch Normalization）。

方向：

1、图像分类；2、目标检测；3、图像语义分割；4、图像标题生成；5、人脸识别；

6、行人再识别；7、图像超分辨率；8、人体动作识别；9、图像检索