RNN和CNN的区别表现在哪些方面?
2020-07-13
13918
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;