深度学习中卷积的综述：应用、挑战和未来趋势

在当今的数字时代，卷积神经网络（CNNs），作为深度学习（DL）的一个子集，在各种计算机视觉任务中被广泛使用，如图像分类、对象检测和图像分割。有许多类型的CNN被设计来满足特定的需求和要求，包括一维（1D）、二维（2D）和三维（3D）CNNs，以及扩张卷积、分组卷积、注意力卷积、深度卷积和NAS等等。每种类型的CNN都有其独特的结构和特点，使其适用于特定的任务。深入理解并进行这些不同CNN类型的比较分析，了解它们的优势和劣势是至关重要的。此外，研究每种类型的CNN的性能、局限性和实际应用可以帮助未来开发新的和改进的架构。我们还深入探讨了研究者从各种角度利用的平台和框架进行他们的研究或开发。https://arxiv.org/abs/2403.13001此外，我们探索了CNN的主要研究领域，如6D视觉、生成模型和元学习。本综述论文提供了对各种CNN架构 ………………………………