了解 CNN 和 RNN 之间的基本区别

Question

在谈到图像/计算机视觉时，我试图了解 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，但据我所知，CNN 提供空间不变性（位置），而 RNN 提供时间不变性（时间）。

Answer 1

您正在混淆不同的概念。RNN 与 R-CNN 不同。

甲RNN是一个回归神经网络，这是一类神经网络，其中单元之间的连接形成的有向循环的。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。

阿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，将自下而上的区域提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 在图像中提出了一堆框，看看它们中是否有任何一个实际上对应于一个对象。它使用选择性搜索算法计算这些提议区域。下图显示了 R-CNN 的架构：

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