《计算机系统应用》

（1） 准确填写您的联系方式，以便稿件录用和杂志出刊后及时与您联系 （ 如需咨询其他问题，请联系客服人员 ）。 （2） 不违反宪法和法律，不损害公共利益。 （3） 是作者独立取得的原创性、学术研究成果，不侵犯任何著作权和版权，不损害第三方的其他权利；所有来稿必须通过检测，文字复制比必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无

专论·综述
面向分布式机器学习的大消息广播设计(1)辛逸杰;谢彬;李振兴
基于深度残差网络图像分类算法研究综述(14)赵志成;罗泽;王鹏彦;李健
角点检测技术综述(22)朱思聪;周德龙
基于自适应特征权重聚类算法的用电问题分析(29)任禹丞;徐超;赵磊;贾静;彭路;周子馨
基于深度学习算法的卫星影像变化监测(40)王志有;李欢;刘自增;吴加敏;施祖贤
基于改进YOLOv3的目标识别方法(49)陈正斌;叶东毅;朱彩霞;廖建坤
系统建设
虚拟手术中肝脏体实时切割系统(59)王娜;陈国栋;何汉鑫;徐鲁雄
基于图像识别技术的输电线路智能监控系统应用(67)徐振磊;曾懿辉;郭圣;邵校嘉;麦俊佳;胡壮丽
基于机器视觉的微型摆轮质量检测系统(73)魏东亮;周迪斌;张家瑜;马建峰
基于Activiti+MongoDB的后勤自由流程信息系统(80)刘聪;李世川;吕雪峰
基于WebGL的全景技术智慧旅游系统(86)罗雅丹;罗琪斯
基于眼电的字符输入系统(93)唐秀雯;李享运;陈广源;潘家辉
面向气象领域的应用支撑系统(99)王力;曹锦飞
基于物联网和大数据的水域天网监测系统(105)丁越昌;李攀;林真友;曹文旭
高清视频会议系统在辽宁气象服务中的应用(112)张元龙;赵威;陈雨;张旭阳;王帅
软件技术·算法
基于高阶正则与非光滑数据拟合项的图像边缘检测模型(119)李春;陈静思;王鹏彦;李健;罗泽
Word2Vec+LSTM多类别情感分类算法优化(130)邬明强;邬佳明;辛伟彬
基于空间变换密集卷积网络的图片敏感文字识别(137)林金朝;蔡元奇;庞宇;杨鹏;张焱杰
基于一维堆叠卷积自编码器的分布式应变裂缝检测(144)严国萍;陈禹;李雨冲;闫昭帆
基于基址重定位的快速域名压缩算法(151)闫夏莉;王骞;吕万波;张海阔;岳巧丽;曹爽
基于新生成器结构的图像修复方法(158)杨柳;王敏;林竹
基于生成对抗网络的跨视角步态特征提取(164)秦月红;王敏
基于互信息和散度改进K-Means在交通数据聚类中的应用(171)徐文进;许瑶;解钦
基于相机标定的跨相机场景拼接方法(176)武非凡;梁浩翔;宋焕生;贾金明;刘莅辰
基于细节提取的运动目标追踪算法(184)李科;蔡坚勇;张明伟;卢依宏;曾远强
基于背景纹理的轿车车标定位方法(190)李映东;吴晓红;卿粼波;何小海
基于YOLOv3网络的电能表示数识别方法(196)龚安;张洋;唐永红
基于DE-YOLO的室内人员检测方法(203)张明伟;蔡坚勇;李科;程玉;曾远强
高光去除的聚类算法改进(209)许丽;宋滢
一种QPSO的地下浅层震源定位方法(215)贺铭;苏新彦;李剑
基于谱顶层分割的网络社区层次抽取方法(220)熊英
基于格的可验证秘密共享方案(225)彭咏;邵培南;李翔;白建峰;孟珂举
基于弹性并发的文件校验模型(231)阮晓龙;于冠军
研究开发
改进回溯搜索优化回声状态网络时间序列预测(236)胡率;肖治华;饶强;廖荣涛
粒子群退火算法优化的BP神经网络及其应用(244)王荣;白尚旺;党伟超;潘理虎
基于超像素和深度神经网络的高压输电线路环境检测(250)何冰;马泰;王欣庭;王宗洋;文颖
半监督单样本深度行人重识别方法(256)单纯;王敏
基于SMT的不完全信息游戏求解(261)李健;郑荣基;汤宇锋;袁立然;陈寅
基于Unity3D的药用植物学实训虚拟仿真系统(266)胡芳睿;赵梦;邱鹏;魏德健;刘静;魏国辉;曹慧
面向区域侦察的实拍实传卫星规划推演系统(271)汪荣峰;陈大春

基于深度残差网络图像分类算法研究综述

《计算机系统应用》2020年 第1期 | 赵志成 罗泽 王鹏彦 李健   中国科学院计算机网络信息中心 北京100190 中国科学院大学 北京100049 四川卧龙国家级自然保护区管理局 卧龙623006

摘　要：近年来,由于计算机技术的飞速迅猛发展,特别是硬件条件的改善,计算能力不断提高,深层神经网络训练的时间大大缩短,深度残差网络也迅速成为一个新的研究热点.深度残差网络作为一种极深的网络架构,在精度和收敛等方面都展现出了很好的特性.研究者们深入研究其本质并在此基础上提出了很多关于深度残差网络的改进,如宽残差网络,金字塔型残差网络,密集型残差网络,注意力残差网络等等.本文从残差网络的设计出发,分析了不同残差单元的构造方式,介绍了深度残差网络不同的变体.从不同的角度比较了不同网络之间的差异以及这些网络架构在常用图像分类数据集上的性能表现.最后我们对于这些网络进行了总结,并讨论了未来深度残差网络在图像分类领域的一些研究方向.
【分　类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术
【关键词】 图像分类 深度学习 计算机视觉 深度残差网络 恒等变换 卷积神经网络
【出　处】 《计算机系统应用》2020年 第1期 14-21页　共8页
【收　录】 中文科技期刊数据库

• 投稿咨询：QQ：1605133527 ；2509007402
• 稿件查询：QQ：1605133527 ；2509007402
• 工作时间：早上9点——下午5点(周日除外)