从品牌网站建设到网络营销策划,从策略到执行的一站式服务
本篇内容主要讲解“CNN与RNN有哪些区别”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“CNN与RNN有哪些区别”吧!
10年的翁牛特网站建设经验,针对设计、前端、开发、售后、文案、推广等六对一服务,响应快,48小时及时工作处理。成都全网营销推广的优势是能够根据用户设备显示端的尺寸不同,自动调整翁牛特建站的显示方式,使网站能够适用不同显示终端,在浏览器中调整网站的宽度,无论在任何一种浏览器上浏览网站,都能展现优雅布局与设计,从而大程度地提升浏览体验。创新互联公司从事“翁牛特网站设计”,“翁牛特网站推广”以来,每个客户项目都认真落实执行。
一、CNN与RNN对比
1. CNN卷积神经网络与RNN递归神经网络直观图
2. 相同点:
传统神经网络的扩展。
前向计算产生结果,反向计算模型更新。
每层神经网络横向可以多个神经元共存,纵向可以有多层神经网络连接。
3. 不同点
CNN空间扩展,神经元与特征卷积;RNN时间扩展,神经元与多个时间输出计算
RNN可以用于描述时间上连续状态的输出,有记忆功能,CNN用于静态输出
CNN高级100+深度,RNN深度有限
二、CNN+RNN组合方式
1. CNN 特征提取,用于RNN语句生成图片标注。
2. RNN特征提取用于CNN内容分类视频分类。
3. CNN特征提取用于对话问答图片问答。
三、具体应用
1. 图片标注
基本思路:
目标是产生标注的语句,是一个语句生成的任务,LSTM?
描述的对象大量图像信息,图像信息表达,CNN?
CNN网络中全连接层特征描述图片,特征与LSTM输入结合。
具体步骤:
(1) 模型设计-特征提取
全连接层特征用来描述原图片
LSTM输入:word+图片特征;输出下一word。
(2) 模型设计-数据准备
图片CNN特征提取
图片标注生成Word2Vect 向量
生成训练数据:图片特征+第n单词向量:第n+1单词向量。
(3) 模型训练:
运用迁移学习,CNN特征,语句特征应用已有模型
最终的输出模型是LSTM,训练过程的参数设定:梯度上限(gradient clipping), 学习率调整(adaptivelearning)
训练时间很长。
(4) 模型运行:
CNN特征提取
CNN 特征+语句开头,单词逐个预测
2. 视频行为识别 :
视频中在发 生什么?
常用方法总结:
(1) RNN用于CNN特征融合:
CNN 特征提取
LSTM判断
多次识别结果分析。
不同的特征不同输出。
或者:所有特征作为一个输出。
(2) RNN用于CNN特征筛选+融合:
并不是所有的视频 图像包含确定分类信息
RNN用于确定哪些frame 是有用的
对有用的图像特征 融合。
(3) RNN用于目标检测:
CNN直接产生目标候选区
LSTM对产生候选区融合(相邻时刻位置近 似)
确定最终的精确位置。
(4) 多种模型综合:应用中,为了产生***结果,多采用多模型ensemble形式。
到此,相信大家对“CNN与RNN有哪些区别”有了更深的了解,不妨来实际操作一番吧!这里是创新互联网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
成都网站建设公司地址:成都市青羊区太升南路288号锦天国际A座10层 建设咨询028-86922220
成都快上网科技有限公司-四川网站建设设计公司 | 蜀ICP备19037934号 Copyright 2020,ALL Rights Reserved cdkjz.cn | 成都网站建设 | © Copyright 2020版权所有.
专家团队为您提供成都网站建设,成都网站设计,成都品牌网站设计,成都营销型网站制作等服务,成都建网站就找快上网! | 成都网站建设哪家好? | 网站建设地图