DNN图像识别论文概要整理

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 Representation 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。