本文探讨了卷积神经网络在图像识别领域的应用，对比了传统算法和神经网络算法，重点关注卷积神经网络的发展。文章分析了Canny边缘检测和角点检测等传统算法的改进，以及卷积神经网络、注意力机制、生成对抗网络等神经网络算法的进展。随着环境复杂性的增加，未来趋势将是结合多种卷积神经网络技术以提高识别率。
卷积神经网络技术作为无人驾驶以及可移动机器人等领域研究的热点，具有广阔的应用前景和科研视觉算法价值，目前传统计算机视觉算法已经被深度神经网络算法替代。将目前常用的计算机视觉算法分为传统算法和神经网络算法2类，按照计算机视觉算法的不同分类，对各类算法在图像识别领域中取得的最新研究成果及应用进行了系统的阐述，并对各种情况下进行图像识别时存在的问题提出了使用融合算法等建议，可为研究者提供一定的参考和借鉴。
20世纪40年代神经元的概念首次被引入计算机领域，开启了神经网络的大门。在2005年之后，神经网络因为当时解决了梯度弥散问题而得到了广泛应用、出现大量已标注的数据和GPU的快速发展。神经网络算法在图像和字符识别领域起着重要作用，如欺诈检测、人脸识别、医学病理的判断等等，还可以对股票价格、经济走势等广义上的模型做预测
最低0.47元/天 解锁文章
3915
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
