了解 CNN 和 RNN 之间的基本区别
understanding basic difference between a CNN and RNN
我在谈论图像/计算机视觉时试图理解 CNN 架构和 RCNN 架构之间的基本概念差异。
如果我错了请纠正我，但据我了解，CNN 提供空间不变性（位置）而 RNN 提供时间不变性（时间）。
您混淆了不同的概念。 RNN 与 R-CNN 不同。
一个RNN是一个递归神经网络，它是一个class人工神经网络，其中单元之间的连接形成一个定向循环。这允许它表现出动态的时间行为。下图显示了 RNN 单元的简单表示。
A R-CNN 是一个基于区域的卷积神经网络。它是一种视觉对象检测系统，将自下而上的区域提议与由卷积神经网络计算的丰富特征相结合。随便说说R-CNN在图像中提出一堆框，看看有没有真的对应到一个物体。它使用选择性搜索算法计算这些建议区域。下图显示了 R-CNN 的架构：
所以，回答你的问题：R-CNN 只是 CNN 的扩展，专注于对象检测，而 "normal" CNN 通常用于图像 classification。
我在谈论图像/计算机视觉时试图理解 CNN 架构和 RCNN 架构之间的基本概念差异。
如果我错了请纠正我，但据我了解，CNN 提供空间不变性（位置）而 RNN 提供时间不变性（时间）。
您混淆了不同的概念。 RNN 与 R-CNN 不同。
一个RNN是一个递归神经网络，它是一个class人工神经网络，其中单元之间的连接形成一个定向循环。这允许它表现出动态的时间行为。下图显示了 RNN 单元的简单表示。
A R-CNN 是一个基于区域的卷积神经网络。它是一种视觉对象检测系统，将自下而上的区域提议与由卷积神经网络计算的丰富特征相结合。随便说说R-CNN在图像中提出一堆框，看看有没有真的对应到一个物体。它使用选择性搜索算法计算这些建议区域。下图显示了 R-CNN 的架构：
所以，回答你的问题：R-CNN 只是 CNN 的扩展，专注于对象检测，而 "normal" CNN 通常用于图像 classification。