RNN和CNN的区别表现在哪些方面？

RNN(循环神经网络)，和CNN(卷积神经网络)是深度学习经常进行比较的两个概念，下面小编整理了RNN和CNN的一些区别，希望对大家有所帮助。

1.从应用方面来看CNN主要用于图像识别比较多，而RNN被用于语言处理多一些，主要用于时序和NLP

RNN的假设——事物的发展是按照时间序列展开的，即前一刻发生的事物会对未来的事情的发展产生影响。

CNN的基础的假设——人类的视觉总是会关注视线内特征最明显的点

2.当RNN、CNN都用于NLP时，它们的区别在于：

RNN(循环神经网络)，当前节点的输入包含之前所有节点信息。

CNN(卷积神经网络)，当前节点的输入以树结构形式仅包含上一层节点信息。

3.具体应用场景

RNN 的应用场景有：

语句生成：应用于自动翻译、智能对话领域;

视频分类(需要与 CNN 结合)：应用于视频搜索;

图片标注(需要与 CNN 结合)：应用与看图说话;

CNN的应用场景包括：

目标分类：应用领域有人脸识别、物品识别、场景识别、文字识别等;

目标检测：应用领域有安防和驾驶;

增强学习：应用领域有围棋、扑克、自动游戏、机器人运行控制;