本文是为大家整理的深度学习研究综述主题相关的10篇毕业论文文献，特此筛选出以下10篇期刊论文，为深度学习研究综述选题相关人员撰写毕业论文提供参考。

1.【期刊论文】基于深度学习的点云语义分割研究综述

期刊：《计算机科学与探索》 | 2021 年第 001 期

摘要：近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展.点云语义分割作为理解三维场景的关键步骤,受到了研究者的广泛关注.随着深度学习的迅速发展并广泛应用到三维语义分割领域,点云语义分割效果得到了显著提升.主要对基于深度学习的点云语义分割方法和研究现状进行了详细的综述.将基于深度学习的点云语义分割方法分为间接语义分割方法和直接语义分割方法,根据各方法的研究内容进一步细分,对每类方法中代表性算法进行分析介绍,总结每类方法的基本思想和优缺点,并系统地阐述了深度学习对语义分割领域的贡献.然后,归纳了当前主流的公共数据集和遥感数据集,并在此基础上对比主流点云语义分割方法的实验结果.最后,对语义分割技术未来的发展方向进行了展望.

关键词：深度学习；语义分割；点云；计算机视觉

---------------------------------------------------------------------------------------------------

2.【期刊论文】基于深度学习的miRNA靶位点预测研究综述

期刊：《计算机科学》 | 2021 年第 001 期

摘要：MicroRNAs(miRNAs)是一类长约22～23碱基(nt)的单链非编码RNA,在生物进化方面有着重要意义.成熟的miRNA会通过其种子序列(5'第2-8位核苷酸)与message RNAs(mRNAs)的3'UTR区域靶位点进行完全或不完全配对,实现切割mRNA及抑制mRNA翻译等功能.由于miRNA结合mRNA靶位点的机制仍未明确,因此预测miRNA靶位点的工作一直是miRNA研究领域的一大挑战和难题.实验方法虽然准确,但耗时长且昂贵.在生物信息领域,基于规则匹配的常规计算方法虽然能进行靶位点的预测,但存在着准确率偏低的问题.随着深度学习的兴起及实验验证数据及具体靶位点信息的丰富,基于深度学习的方法成为了miRNA靶位点预测领域的研究热点.首先介绍了常用的miRNA预测数据集、预测类型和常见特征;之后对预测研究中常用的深度学习模型进行阐述;接着介绍了常规的预测方法及基于深度学习的预测方法,并对这些方法进行了分类总结和性能的对比分析;最后对使用深度学习的预测工作当前存在的问题及未来的发展进行了探讨.

关键词：miRNA；靶位点预测；卷积神经网络；循环神经网络；自动编码器

---------------------------------------------------------------------------------------------------

3.【期刊论文】基于深度学习的少样本研究综述

期刊：《电讯技术》 | 2021 年第 001 期

摘要：基于大数据的深度学习算法越来越完善,然而如何解决训练样本数非常少的情况,是目前神经网络研究领域中一个非常重要且极具挑战的问题.首先,介绍了少样本问题的定义;接着将现有的少样本学习方法分为数据增强、度量学习和元学习三类,分别从方法所用模型、数据集以及相应的实验结果进行分析;最后,总结了现有方法的不足,探讨了未来少样本研究的方向.

关键词：深度神经网络；少样本学习；数据增强；度量学习；元学习

---------------------------------------------------------------------------------------------------

4.【期刊论文】面向深度学习的公平性研究综述

期刊：《计算机研究与发展》 | 2021 年第 002 期

摘要：深度学习是机器学习研究中的一个重要领域,它具有强大的特征提取能力,且在许多应用中表现出先进的性能,因此在工业界中被广泛应用.然而,由于训练数据标注和模型设计存在偏见,现有的研究表明深度学习在某些应用中可能会强化人类的偏见和歧视,导致决策过程中的不公平现象产生,从而对个人和社会产生潜在的负面影响.为提高深度学习的应用可靠性、推动其在公平领域的发展,针对已有的研究工作,从数据和模型2方面出发,综述了深度学习应用中的偏见来源、针对不同类型偏见的去偏方法、评估去偏效果的公平性评价指标、以及目前主流的去偏平台,最后总结现有公平性研究领域存在的开放问题以及未来的发展趋势.

关键词：深度学习；算法公平性；去偏方法；公平性指标；机器学习

---------------------------------------------------------------------------------------------------

5.【期刊论文】基于深度学习的低照度图像增强技术研究综述

期刊：《无线互联科技》 | 2021 年第 001 期

摘要：使用图像增强方法和深度学习的方法可以提高低照度图像亮度,改善图像质量.文章首先对传统的低照度图像增强算法分类介绍,总结这些算法近年来的改进过程,然后重点介绍当下适用于低照度图像增强的网络模型,同时对这些网络结构和适用于该网络的部分方法进行梳理,最后介绍实验所需要的数据库与增强后图像的评价准则,提出了目前深度学习在该领域所面临的挑战,旨在为低照度图像增强的发展方向提供思考.

关键词：低照度图像增强；深度神经网络；生成对抗网络

---------------------------------------------------------------------------------------------------

6.【期刊论文】基于深度学习的视频质量评价研究综述

期刊：《计算机科学与探索》 | 2021 年第 003 期

摘要：视频质量评价(VQA)是以人眼的主观质量评估结果为依据,使用算法模型对失真视频进行评估.传统的评估方法难以做到主观评价结果与客观评价结果相一致.基于深度学习的视频质量评价方法无需加入手工特征,通过模型自主学习即可进行评估,对视频质量的监控和评价有重要意义,已成为计算机视觉领域的研究热点之一.首先对视频质量评价的研究背景和主要研究方法进行介绍;其次从全参考型和无参考型两方面介绍基于深度学习的客观质量评价方法,并且从所用的卷积神经网络模型对无参考型评价方法进行了分类比较;接着介绍视频质量评价算法的相关数据库和评价算法性能指标,并对算法性能进行比较;最后对目前视频质量评价研究存在的问题进行总结,并展望了该领域面临的挑战和未来发展方向.

关键词：深度学习；视频质量评价(VQA)；客观评价；无参考；卷积神经网络(CNN)

---------------------------------------------------------------------------------------------------

7.【期刊论文】基于深度学习的图像去噪方法研究综述

期刊：《计算机工程与应用》 | 2021 年第 007 期

摘要：图像去噪是利用图像序列的上下文信息去除噪声,从而恢复出清晰图像的一种技术,是计算机视觉领域重要研究内容之一.随着机器学习的发展,深度学习在图像去噪领域得到广泛应用,成为处理图像去噪的有效解决方法.分析了深度学习图像去噪方法;依据网络结构详细分析了图像去噪方法的思想,并对优缺点进行梳理总结;通过在DND、PolyU等数据集上的实验结果,对比分析基于深度学习去噪方法的性能;对图像去噪研究的关键问题进行总结,并讨论该领域未来研究的发展趋势.

关键词：图像去噪；真实噪声；合成噪声；深度学习

---------------------------------------------------------------------------------------------------

8.【期刊论文】基于深度学习的新型冠状病毒肺炎诊断研究综述

期刊：《计算机工程》 | 2021 年第 005 期

摘要：新型冠状病毒肺炎(COVID-19)具有高传染性和高致病性,严重威胁人民群众的生命安全和身体健康,快速准确地检测和诊断COVID-19对于疫情控制至关重要.目前COVID-19检测诊断方法主要包括核酸检测和基于医学影像的人工诊断,但是核酸检测耗时较长并且需要专用的测试盒,而基于医学影像的人工诊断过于依赖专业知识,分析耗时较长且难以发现隐匿病变.随着X射线图像和计算机断层扫描图像数据集的相继提出,科研人员在此基础上构建基于深度学习的COVID-19检测诊断模型,有效辅助了医学专家对COVID-19的高效诊断治疗.总结用于COVID-19检测诊断的主流影像数据集和相关评价指标,以模型任务和影像数据类型2个角度分类介绍现有基于深度学习的COVID-19检测诊断模型,从骨干网络、数据集、影像类型、性能表现、分类种类和开源情况6个维度进行比较与分析.此外,介绍用于抗击COVID-19的优秀应用系统,并探讨该领域的未来发展趋势.

关键词：新型冠状病毒肺炎；深度学习；X射线图像；计算机断层扫描图像；检测诊断模型；疫情控制

---------------------------------------------------------------------------------------------------

9.【期刊论文】基于深度学习的频谱感知研究综述

期刊：《通信技术》 | 2021 年第 002 期

摘要：频谱感知可以提高认知无线电网络的频谱利用率,但传统的频谱感知方法不能在复杂的通信环境中进行快速的频谱感知.因此,借助计算机计算能力的提升,将深度学习应用于频谱感知,以快速、智能地获得感知结果.首先,介绍在频谱感知中应用较为广泛的深度学习模型,包括卷积神经网络、长短期记忆网络和深度强化学习;其次,对近几年基于深度学习频谱感知的研究成果进行综述,包括基于卷积神经网络的频谱感知、基于长短期记忆网络的频谱感知、基于深度强化学习的频谱感知和利用其他深度学习模型的频谱感知方法;最后,对当前深度学习频谱感知方法存在的问题进行思考,展望未来的研究方向.

关键词：频谱感知；卷积神经网络；长短期记忆网络；强化学习；深度学习

---------------------------------------------------------------------------------------------------

10.【期刊论文】多尺度目标检测的深度学习研究综述

期刊：《软件学报》 | 2021 年第 004 期

摘要：目标检测一直以来都是计算机视觉领域的研究热点之一,其任务是返回给定图像中的单个或多个特定目标的类别与矩形包围框坐标.随着神经网络研究的飞速进展,R-CNN检测器的诞生标志着目标检测正式进入深度学习时代,速度和精度相较于传统算法均有了极大的提升.但是,目标检测的尺度问题对于深度学习算法而言也始终是一个难题,即检测器对于尺度极大或极小目标的检测精度会显著下降,因此,近年来有不少学者在研究如何才能更好地实现多尺度目标检测.虽然已有一系列的综述文章从算法流程、网络结构、训练方式和数据集等方面对基于深度学习的目标检测算法进行了总结与分析,但对多尺度目标检测的归纳和整理却鲜有人涉足.因此,首先对基于深度学习的目标检测的两个主要算法流派的奠基过程进行了回顾,包括以R-CNN系列为代表的两阶段算法和以YOLO、SSD为代表的一阶段算法;然后,以多尺度目标检测的实现为核心,重点诠释了图像金字塔、构建网络内的特征金字塔等典型策略;最后,对多尺度目标检测的现状进行总结,并针对未来的研究方向进行展望.

关键词：目标检测；深度学习；尺度问题；多尺度特征

---------------------------------------------------------------------------------------------------