计算机视觉与深度学习实战-以MATLAB和Python为工具_基于深度学习的汽车目标检测_项目开发案例教程.pdf

随着深度学习的迅猛发展，其应用也越来越广泛，特别是在视觉识别、语音识别和自然语言处理等很多领域都表现出色。卷积神经网络（Convolutional Neural Network，CNN）作为深度学习中应用最广泛的网络模型之一，也得到人们了越来越多的关注和研究。事实上，CNN 作为一项经典的机器学习算法，早在 20 世纪 80 年代就已被人们提出并展开一定的研究。但是，在当时硬件运算能力有限、缺乏有效训练数据等因素的影响下，人们难以训练不产生过拟合情形下的高性能深度卷积神经网络模型。所以，当时 CNN 的一个经典应用场景就是识别银行支票上的手写数字，并且已得到实际应用。伴随着计算机硬件和大数据技术的不断进步，人们也尝试开发不同的方法来解决在深度 CNN 训练中所遇到的困难，特别是 Krizhevsky 等专家提出了一种经典的 CNN 架构，论证了深度结构在特征提取问题上的潜力，并在图像识别任务上取得了重大突破，掀起了深度结构研究的浪潮。而 CNN 作为一种已经存在的、有一定应用案例的深度结构，也重新回到人们的视野，得以进一步研究和应用。