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问题，近年来在国内外得到了广泛的研究和应用。以下是图像分类国内外研究现状的简要介绍：

国内研究现状：
在深度学习方法的推动下，国内研究者在图像分类领域取得了很多成果。早期的工作主要基于传统的机器学习算法和特征提取方法，如SVM、HOG等。随着深度学习的兴起，卷积神经网络（CNN）成为了图像分类的主流方法。国内的研究者不断探索新的网络结构和训练方法，如ResNet、DenseNet、SENet等。同时，也涌现出了一些具有代表性的图像分类竞赛，如ImageNet、COCO等。

国外研究现状：
国外的研究者在图像分类领域也取得了很多进展。早期的工作主要基于手工设计的特征和机器学习算法，如SIFT、SURF、BoW等。随着深度学习的兴起，CNN成为了图像分类的主流方法。国外的研究者不断探索新的网络结构和训练方法，如VGG、GoogLeNet、ResNet等。同时，也涌现出了一些具有代表性的图像分类竞赛，如ImageNet、COCO等。

总体而言，国内外研究者在图像分类领域都取得了很多成果，深度学习方法已经成为主流，不断涌现的新的网络结构和训练方法也为图像分类的研究和应用提供了更多的可能性。