关于使用传统机器学习技术和卷积神经网络对医学图像的分析
Saeed Iqbal1,2, Adnan N Qureshi1, Jianqiang Li2,3
1Department of Computer Science, Faculty of Information Technology & Computer Science, University of Central Punjab, Lahore, Punjab 54000 Pakistan.
Archives of computational methods in engineering : state of the art reviews
|June 1, 2023
概括
卷积神经网络 (CNN) 在各种AI任务中表现出色,如对象检测和语音识别. 这项调查探讨了CNN的架构,组件和应用程序,强调了最近的深度学习进步.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 计算机视觉 计算机视觉
背景情况:
- 卷积神经网络 (CNN) 是一种专门的神经网络类型.
- CNN在各种领域取得了显著的成功,包括对象检测,细分和语音识别.
- 深度学习 (DL) 的最新进展进一步提高了CNN的性能.
研究的目的:
- 提供对卷积神经网络 (CNN) 的全面调查.
- 探索深度学习模型的内部分类学.
- 详细介绍CNN的组件,各种应用和当前的挑战.
主要方法:
- 审查最近深度学习 (DL) 创新影响CNNs.
- 对CNN建筑变化的分析,重点是深度和宽度.
- 检查CNN组件,包括激活函数,优化和损失函数.
主要成果:
- 在图像处理,自然语言处理和异常检测方面,CNN表现出了显著的能力.
- 在DL的创新,如改进的激活功能和规范化技术,提高CNN的性能.
- 在CNN的架构修改显著提高了他们的有效性.
结论:
- CNNs是人工智能的强大工具,具有广泛的应用.
- 持续的深度学习研究继续改进和扩展CNN的能力.
- 了解CNN的分类,组件和挑战对于未来的发展至关重要.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
