《表1 主流网络结构对比:深度学习算法研究进展》
针对不同的应用目的和应用领域,人们提出了一些不同的神经网络。20世纪80年代提出的卷积神经网络(CNN)是经典深度学习网络,在计算机飞速发展和海量数据的背景下,人们不断尝试用不同的方法来训练CNN。特别地,Krizhevsky等人在2012年提出了一种经典CNN架构,证明了该结构在特征提取问题上的潜力,在图像领域取得了重要突破[11]。2014年Girshick等人提出了R-CNN模型,它最早是被用来进行物体检测的一种深度学习算法[12]。下面分别介绍几种具有代表性的神经网络深度学习框架,其汇总对比见表1。
图表编号 | XD00107088200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.15 |
作者 | 田启川、王满丽 |
绘制单位 | 北京建筑大学电气与信息工程学院、北京建筑大学建筑大数据智能处理方法研究北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |