Глубокое обучение для компьютерного зрения: краткий обзор

Deep Learning for Computer Vision: A Brief Review
Athanasios S. Voulodimos, Nikolaos D. Doulamis, Anastasios D. Doulamis, Eftychios E. Protopapadakis
2018-01-01

компьютерное зрениесверточные нейронные сетиглубокие сети убежденийглубокое обучениеобнаружение объектов
В последние годы было показано, что методы глубокого обучения превосходят современные методы машинного обучения, применявшиеся ранее, в ряде областей, причем компьютерное зрение является одним из наиболее ярких примеров. В данной обзорной статье представлен краткий обзор некоторых наиболее значимых архитектур глубокого обучения, используемых в задачах компьютерного зрения, а именно сверточных нейронных сетей, глубоких машин Больцмана и глубоких сетей убеждений, а также многослойных шумоподавляющих автокодировщиков. Кратко рассматриваются их история, структура, преимущества и ограничения, после чего описываются их применения в различных задачах компьютерного зрения, таких как обнаружение объектов, распознавание лиц, распознавание действий и видов активности, а также оценка позы человека. В заключение представлен краткий обзор перспективных направлений разработки архитектур глубокого обучения для задач компьютерного зрения и связанных с этим проблем.
1
Методы глубокого обучения применяются для обнаружения объектов, распознавания лиц, распознавания действий и активности, а также оценки позы человека.
2
Методы глубокого обучения превзошли предыдущие передовые методы машинного обучения в ряде областей, особенно в компьютерном зрении.
3
Дальнейший прогресс зависит от совершенствования архитектур глубокого обучения и решения сохраняющихся проблем компьютерного зрения.
4
В обзоре рассматриваются четыре основных подхода глубокого обучения для компьютерного зрения: сверточные нейронные сети, глубокие машины Больцмана, глубокие сети убеждений и многослойные автоэнкодеры с подавлением шума.
5
Эти архитектуры имеют различные историю, структуру, преимущества и ограничения, значимые для приложений компьютерного зрения.

Методы глубокого обучения, применяемые к задачам компьютерного зрения

история, структура, преимущества, ограничения, применения и перспективные направления развития методов глубокого обучения для задач компьютерного зрения

Publication Details
Publication Date
2018-01-01
Journal
Publisher
ISSN
Cited by
3400
Access Type
Author Information
Authors
Athanasios S. Voulodimos
Nikolaos D. Doulamis
Anastasios D. Doulamis
Eftychios E. Protopapadakis
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%