《DNN图像识别论文概要整理》由会员分享，可在线阅读，更多相关《DNN图像识别论文概要整理（2页珍藏版）》请在金锄头文库上搜索。
1、1、A CNN based Hybrid approach towards automatic image registration： 精确的特征形状建模和自适应的重采样，基于 CNN的 SIFT 特征 点优化。2、DNN Feature Pyramid based image Matching：基于 DNN 特征金字塔的图像匹配。3、Image Search by Graph-based Label Propagation with Image Representation from DNN：基于 DNN 的图像表示+ 邻近图搜索4、Learning High-level Image Rep
2、resentation for Image Retrieval via Multi-Task DNN using Clickthrough Data：提出一种多任务的 DNN 来学习图像的高级特征5、Bag-of-Words Based Deep Neural Network for Image Retrieval ：使用词袋模型来表示图像，通过 DNN 来提取图像的高级特征，然后对图像进行排序。6、Multi-column deep neural network for traffic sign classification：MCDNN 用于交通标志的识别，识别率达到 99.46%（德国交通
3、标 志识别基准测试） ，利用 GPU 训练 MCDNN，可以应付一定程度的对比度和光照的变化。7、deep Structured Output Learning For Uncontrained Text Recognition：卷积神经网络(CNN) + 条件随机场(CRF)用来识别无约束的文本，文本中的单词不限于固定词汇，可能是之前未见过的或者非语言的文本，比如字母数字串和电话号码8、very deep convolutional networks for large-scale image recognition：调研了 CNN 网络的深度与大规模图像识别的精度的关系*上面是深度学习在图像识别上的应用下面是深度神经网络的优化方法*9、On Optimization Methods for Deep Learning：深度网络的优化：batch 方法，BFGS(L-BFGS)，共轭梯度等方法都可以在 GPU 上并行，或者利用分布式计算。10、Efficient Learning of Sparse,distributed,Convolutional Feature Representations for Object Recognition：图像 特征提取 描述符 无监督学习 特征映射 编码 编码后的描述符 池化 特征向量表示
