了解 CNN 和 RNN 之间的基本区别答案

【问题标题】：understanding basic difference between a CNN and RNN了解 CNN 和 RNN 之间的基本区别
【发布时间】：2018-01-18 09:59:07
【问题描述】：

在谈到图像/计算机视觉时，我试图理解 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）。

【问题讨论】：

不变性？这些术语指的是什么？
@Gordon 您可以直观地将“空间不变性”视为“不关心它在空间中的位置，只关心它在某个地方”。 CNN 中的不同过滤器可以识别图像中不同类型的形状（例如狗），而不管这些形状/狗在图像中的什么位置。这是因为相同的过滤器（具有相同的一组学习权重）“滑动”整个图像，在图像的各种不同小部分中寻找相同的特征。
What's the difference between convolutional and recurrent neural networks?的可能重复

【解决方案1】：

您混淆了不同的概念。 RNN 与 R-CNN 不同。

RNN是一个循环神经网络，它是一类人工神经网络，其中单元之间的连接形成有向循环。这允许它表现出动态的时间行为。下图显示了 RNN Cell 的简单表示。

R-CNN 是基于区域的卷积神经网络。它是一种视觉对象检测系统，将自下而上的区域建议与卷积神经网络计算的丰富特征相结合。随便说一下，R-CNN 会在图像中提出一堆框，看看它们中的任何一个是否真的对应于一个对象。它使用选择性搜索算法计算这些提议区域。下图展示了 R-CNN 的架构：

所以，回答您的问题：R-CNN 只是专注于对象检测的 CNN 的扩展，而“普通”CNN 通常用于图像分类。

【讨论】：