[論文レビュー] A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects

Zewen Li, Wenjie Yang+2 more|arXiv (Cornell University)|Apr 1, 2020

Advanced Neural Network Applications参考文献 84被引用数 264

ひとこと要約

本論文は畳み込みニューラルネットワーク（CNN）を歴史から現在の状態まで調査し、1D、2D、および多次元CNNを対象とし、実験的洞察と今後の方向性を示します。

ABSTRACT

Convolutional Neural Network (CNN) is one of the most significant networks in the deep learning field. Since CNN made impressive achievements in many areas, including but not limited to computer vision and natural language processing, it attracted much attention both of industry and academia in the past few years. The existing reviews mainly focus on the applications of CNN in different scenarios without considering CNN from a general perspective, and some novel ideas proposed recently are not covered. In this review, we aim to provide novel ideas and prospects in this fast-growing field as much as possible. Besides, not only two-dimensional convolution but also one-dimensional and multi-dimensional ones are involved. First, this review starts with a brief introduction to the history of CNN. Second, we provide an overview of CNN. Third, classic and advanced CNN models are introduced, especially those key points making them reach state-of-the-art results. Fourth, through experimental analysis, we draw some conclusions and provide several rules of thumb for function selection. Fifth, the applications of one-dimensional, two-dimensional, and multi-dimensional convolution are covered. Finally, some open issues and promising directions for CNN are discussed to serve as guidelines for future work.

研究の動機と目的

• CNNの歴史と発展の広範な概要を提供する。
• 古典的および高度なCNNモデルとその主要な革新を要約する。
• 実験的洞察と関数選択の実践的な指針を提供する。
• 1D、2D、および多次元畳み込みに跨る応用を論じる。
• 未解決の課題と将来の研究の有望な方向性を特定する。

提案手法

• 歴史的背景とCNNの概要を統合する。
• 古典的および高度なCNNアーキテクチャとその画期的な革新をレビューする。
• 実験結果を分析し、結論と関数選択の経験則を導出する。
• 1D、2D、および多次元畳み込みに跨る応用を論じる。
• 未解決の課題を強調し、将来の研究方向を提案する。

実験結果

リサーチクエスチョン

• RQ1 CNNの歴史とモデル設計における主要な節目と発展は何か？
• RQ2 CNNの実験からどのような経験的結論と実用的な経験則を得ることができるか？
• RQ3 1D、2D、および多次元畳み込みはさまざまな領域でどのように適用されているか？
• RQ4 CNN研究にはどのような未解決の課題と有望な方向性が存在するか？

主な発見

• 本調査は急速に成長する分野におけるCNNの新しいアイデアと展望を提供することを目的とする。
• It covers one-dimensional, two-dimensional, and multi-dimensional convolutions.
• CNNの歴史、モデル、および最先端の結果を可能にする主要なポイントの概要を提供する。
• 実験分析は関数選択の結論と実用的な経験則につながる。
• 本論文は応用について論じ、未解決の課題と今後の方向性を特定する。