图像分类国内外研究现状

图像分类是计算机视觉领域的一个重要研究方向，其目标是将图像分为不同的类别。目前，国内外在图像分类方面的研究都非常活跃。

国外方面，深度学习算法在图像分类方面已经取得了显著的成果。其中，卷积神经网络（CNN）是最常用的深度学习算法之一。AlexNet、VGGNet、GoogLeNet、ResNet等深度卷积神经网络模型在ImageNet数据集上获得了非常出色的表现。此外，还有一些基于CNN的改进模型，如DenseNet、SENet、EfficientNet等，它们在图像分类方面也取得了很好的表现。除了深度学习算法，还有一些传统的机器学习算法，如支持向量机（SVM）、随机森林（Random Forest）等，它们在图像分类方面也有一定的应用。

国内方面，随着深度学习的发展，图像分类方面的研究也非常活跃。深度卷积神经网络也是国内研究者常用的算法之一。例如，清华大学的ResNeSt模型在ImageNet数据集上取得了非常出色的表现。此外，还有一些基于CNN的改进模型，如ShuffleNet、MobileNet等，它们具有更小的模型大小和更快的计算速度。除了深度学习算法，还有一些传统的机器学习算法，如k近邻法、决策树等，它们在图像分类方面也有应用。

总体而言，国内外在图像分类方面的研究都非常活跃，未来还有很多发展空间。