简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：

简介：摘要：深度学习和人工智能已成为我国当下的热门讨论话题，卷积神经网络模型作为深度学习模型中具有代表性的模型之一受到了许多研究者的关注。本文在介绍卷积神经网络模型发展历程的基础上，探讨了卷积神经网络模型在目标检测、语义分割以及自然语言处理方面的应用，以期能为该领域的研究者选择模型时提供参考。

简介：摘要：为解决单目图像中冗余像素点不利于深度神经网络快速完成深度信息检测的问题，提出一种基于卷积神经网络的深度线段分类算法。对 ＮＹＵ -Ｄｅｐｔｈ 数据集使用线段检测算法进行线段检测得到原始图像的线段特征图。通过数据预处理结合深度数据得到表征深度信息的线段集合及其标签，提出适用于线段特征的卷积神经网络，实现单目图像中深度线段的分类。本论文从不同方面阐述基于卷积神经网络的深度线段分类算法，希望为研究卷积神经网络的专家和学者提供理论参考依据。

简介：摘要 手写数字识别技术在近年来的应用逐渐广泛，人们对手写数字识别技术的要求也逐渐增高。卷积神经网络模型由于其良好的功能越来越广地被应用与手写数字识别领域，识别精度也在逐渐提高。本文首先针对卷积神经网络的构成结构进行简单的叙述，之后针对卷积神经网络技术在手写数字识别领域中各种形式的优化与其应用进行综述，最后分析了目前手写数字识别技术的主要优点以及还存在的不足，并进一步展望未来的研究发展方向。

简介：摘要：深度学习是人工智能领域的重要研究方向，TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍，在Tensorflow框架基础之上实现了U-Net网络模型；然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。

简介：摘要：轴承是旋转机械设备的关键部件，轴承的失效直接影响到设备的运行情况。当今机械设备的自动化和精密化水平不断提高，对轴承故障诊断的需求越来越迫切。轴承故障诊断方法按照机理主要包括振动诊断、声音识别和温度监测等，但这些方法往往需要专业知识和丰富经验，且容易受到环境噪声和人为误差的干扰。卷积神经网络通过卷积层和池化层对特征的逐级提取，可以在无需人工干预的情况下，卷积核在特定步长的运算下能从大量的轴承信号数据中学习到复杂的时空特征。因此，将卷积神经网络应用于轴承故障诊断具有很大的潜力。

简介：摘要：深度学习作为一种有效的机器学习方法，在各个领域都表现出了十分优秀的性能。作为一种深度学习基本模型，卷积神经网络(CNN)强大的特征学习和迁移学习能力在计算机视觉界越来越受到关注。本文介绍了卷积神经网络的基本结构，并介绍了随着时间出现的各种以卷积神经网络为基础的模型，例如Lenet、Alexnet、GoogleNet、VGGNet、ResNet，刨析并总结了各个模型的优缺点。

简介：摘要:手机屏幕的缺陷检测操作期间，深度卷积的神经网络往往起着关键作用，对实测效果 影响极大，要求技术员能够充分掌握此方法。鉴于此，本文主要围绕着深度卷积的神经网络基础下手机屏幕的缺陷检测开展深入的研究和探讨，仅供参考。

简介：摘要：随着技术的不断发展，计算机和互联网的普遍应用，社会生活的各个领域每分每秒在源源不断的产生大量的数据和信息。在司法领域，大量的卷宗文档数据在法院生产，人工对卷宗进行分类难以满足大数据量分类的需求，这时候使用机器进行卷宗分类就显得尤为必要。我们提出了一种基于深度学习卷积神经网络的方法，对司法卷宗进行自动分类。在实验中，我们的方法达到了94.53%的准确率，大幅提升了工作效率。

简介：摘要：基于卷积神经网络的隐写分析能够实现更高维特征的表达，提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状，然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后，详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁，并以此为基础，讨论了下一步隐写分析可能的研究方向。

简介：摘要：针对深度学习下的图像识别技术，分析图像识别和卷积神经网络的工作原理。通过了对AlexNet模型、ResNet模型、MobileNet卷积模型的学习，总结了三种算法模型的各自特点，实现了深度学习环境的搭建，最后进行实验对比三个模型的分类准确率和训练效率，为深度学习下的图像识别算法研究提供参考。

简介：摘要

简介：摘要：现阶段，科学信息技术得到了飞速发展，人脸识别技术在日常生活中的应用越来越广泛，已经逐渐成为计算机视觉领域研究的重点方向。人脸识别技术的核心算法主要是通过获取人脸上眼睛、嘴巴等五官具体位置，利用相关数据对脸型和角度进行详细有效的分析，以此明确用户的身份。人脸识别技术在大数据环境下获得了良好的发展空间与发展机遇，同时也面临着一系列挑战与困难。基于此，文章首先介绍了卷积神经网络的类型，然后对多任务卷积神经网络的人脸识别模型进行了分析，最后提出了多任务卷积神经网络的人脸识别技术发展策略。

简介：摘要：近几年，入室盗窃、抢劫等事件屡有发生，人们的生命财产安全受到威胁。随着社会经济的发展和信息化的进步，人们对家居安防的要求越来越高，财产和人身安全已成为家居安防的首要要求。目前家居安防的应用已经比较广泛，最常见的就是在居民住宅区安置摄像头，通过家庭电脑端控制。虽然这种方式可以监控整个住宅环境，但是缺乏时效性，用户无法在事故发生的第一时间获取信息，而且成本比较高。因此针对这些问题，本文设计了基于卷积神经网络的智能家庭安防监控系统，通过卷积神经网络对摄像头采集的图像进行实时目标检测；然后将识别结果和视频链接通过单片机发送至用户手机端，把单片机的便捷与卷积神经网络算法的强大功能相结合，能够让用户在第一时间得知住宅情况，打破了传统的家居安防系统模式，使家居安防更加智能化。

简介：摘要：遥感图像在农业监测、城市规划、地图生成和更新等方面有着广泛的应用。在深度学习的背景下，卷积神经网络是当前最受欢迎的一种图像处理技术，能够实现对图像的深度特征的自动学习和抽取，极大地提高了图像的处理精度。为此，文章运用卷积神经网络技术对广东省高分辨率遥感图像进行了研究，并给出了一种基于卷积神经网络的耕地提取算法。

简介：摘要：肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病，CT影像不仅能直观地显示病变部位，还可提供诸如病灶形态、密度等信息，在早期发现和治疗过程中发挥着重要作用，也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上，开展肺部病变的判断以及病灶区域的分割定位研究，可以大幅提高诊疗速度，协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开，区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法，研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法，在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集，并利用U-Net及相关改进网络模型，在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘，并获得到相对较高的分割精度。实验结果表明，通过在所处理的近300张数据集上进行实验，可以得到近85%的准确度。

简介：摘要：电力变压器是电力系统中最为关键的设备之一，是对电力系统安全、可靠、优质、经济运行的重要保证，必须最大限度地防止和减少变压器事故的发生。因此，基于BP神经网络的变压器故障诊断具有重要的意义。本文首先对三比值法的原理进行了概述，详细探讨了BP神经网络的构建，旨在保证变压器的运行。

简介：摘要：相控阵雷达是一种新体制的多功能雷达，这种雷达在战场上应用比较广泛。要想对相控阵雷达的行为进行分析和识别，应当对相关策略进行优化，同时细化跟踪密度和雷达行为，并运行两级卷积神经网络来识别相控阵雷达。

简介：摘要：随着信息技术的快速发展，声音识别技术在各个领域得到了广泛地应用。昆虫声音识别作为生物声学研究的一个重要分支，对于环境保护、农业害虫监测等领域具有重要意义。本文主要探讨了卷积神经网络（CNN）在昆虫声音识别中的应用，分析了CNN的优势及在昆虫声音识别中面临的挑战，并提出了相应的解决策略。