资源简介
在这篇综述中,我们的目标是在这个快速增长的领域提供尽可能多的新想法和前景。不仅涉及到二维卷积,还涉及到一维和多维卷积。首先,这篇综述首先简单介绍了CNN的历史。第二,我们提供CNN的概述。第三,介绍了经典的和先进的CNN模型,特别是那些使他们达到最先进的结果的关键点。第四,通过实验分析,得出一些结论,并为函数选择提供一些经验法则。第五,介绍了一维、二维和多维卷积的应用。最后,讨论了CNN的一些有待解决的问题和有发展前景的方向,为今后的工作提供参考。
代码片段和文件信息
- 上一篇:AAAI 2020最新「因果推理表示学习」.zip
- 下一篇:as3中文手册chm版
相关资源
- 学习摘要:Methods for interpreting and un
- RISC-V 二值化 CNN 芯片加速器进行人员
- 复数版卷积神经网络,复数版CAFFE
- deep learning 概览+时序模型
- 基于CNN的手写数字识别
- 这是基于CNN算法的分类代码
- CNN实现的图像检索
- 图像融合 CNN.zip
- tensorflow深度学习CNN智能识别车牌
- 李宏毅课件卷积神经网络CNN课件笔记
- RCNN目标检测论文
- caffe tutorial
- 基于PCNN的彩色图像自动分割毕业论文
- flickr8k text数据集
- kddcup 数据两层CNN入侵检测
- MRCNN-Scene-Recognition 用于大规模场景识
- 「深度学习人群计数」2020综述论文北
- 目标检测方法概述.pdf
- 神经网络及其应用全文.pdf
- opencv4.0结合TensorFlow实现mask rcnn的目标
- 卷积神经网络 入门介绍 展示PPT
- MTCNN在FDDB上的性能测试
- 无痛的机器学习 第一季
- 卷积神经网络英文版综述
- 原文+代码DnCNN for Image Denoising
- kdd 99 ---cnn神经网络
- rcnn、fast rcnn、faster rcnn和yolo的算法原
- tf-faster-rcnn.rar
- CNN学习入门-薛开宇
- mask rcnn详细结构图
评论
共有 条评论