深度学习在图像识别中的应用研究

桂欣 邢(中原工学院，中国)
茜 孟(中原工学院，中国)

摘要

随着人工智能的快速发展，深度学习已成为图像识别的核心方法。其通过多层神经网络的非线性映射，实现特征的自动提取与层次表达，大幅提升识别精度与泛化能力。相较于依赖人工特征的传统方法，深度学习能够在大数据驱动下实现端到端学习。本文系统分析深度学习在图像识别中的原理、主流模型与典型应用，重点探讨CNN、RNN与GAN在目标检测、人脸识别和建筑节能分析中的机制与优化策略。研究表明，深度学习推动了图像识别的智能化进程，在自动驾驶、建筑与安全监控等领域展现出广阔前景，为智能视觉体系的发展提供了有力支撑。

关键词

深度学习；图像识别；卷积神经网络；特征提取

参考

张文柱,蔡思琪,熊福力,等.无人机辅助移动边缘计算中的计算卸载与轨迹优化策略[J/OL].计算机科学与探索,1-16[2025-10-21].https://doi.org/10.3778/j.issn.1673-9418.2505071.

孙晓艳.基于深度学习的绿色建筑碳排放量预测关键技术研究[J].环境科学与管理,2025,50(10):9-13.

代铭轩,董晓慧,苏亚玲.深度学习在图像识别中的应用与优化[J].电子技术,2025,54(07):71-73.

陆微，冯杰楠.深度学习视角下人工智能在图像识别中的应用策略[C]//中国智慧工程研究会.2025智慧设计与建造经验交流会论文集。内蒙古生产力促进中心有限公司；郑州佳和至信网络科技有限公司;2025:335-337.

赵宇鹏.深度学习在图像识别中的应用[J].信息与电脑(理论版),2024,36(04):126-128.

DOI: http://dx.doi.org/10.12345/bdai.v6i6.34049