Обзор сверточных нейронных сетей: анализ, применения и перспективы

Сверточная нейронная сеть (CNN) является одной из наиболее значимых архитектур в области глубокого обучения. Благодаря впечатляющим результатам, достигнутым CNN во многих областях, включая, помимо прочего, компьютерное зрение и обработку естественного языка, в последние годы она привлекла значительное внимание промышленности и академического сообщества. Существующие обзоры в основном посвящены применению CNN в различных сценариях, не рассматривая CNN с общей точки зрения; кроме того, некоторые недавно предложенные оригинальные идеи в них не охвачены. В настоящем обзоре мы стремимся представить новые научные положения и перспективы этого быстро развивающегося направления. Рассматриваются не только двумерные свертки, но также одномерные и многомерные. Во-первых, мы знакомим читателя с историей CNN. Во-вторых, приводим обзор различных типов сверток. В-третьих, рассматриваем несколько классических и современных моделей CNN, уделяя особое внимание ключевым особенностям, которые позволяют им достигать результатов мирового уровня. В-четвертых, на основе экспериментального анализа формулируем ряд выводов и приводим практические рекомендации по выбору функций и гиперпараметров. В-пятых, рассматриваем применения одномерных, двумерных и многомерных сверток. Наконец, обсуждаем нерешенные проблемы и перспективные направления исследований CNN, которые могут служить ориентирами для дальнейшей работы.