在参考图像/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，但据我所知，CNN提供空间不变性（位置），RNN提供时间不变性（时间） .
你正在混淆不同的概念 . RNN与R-CNN不同 .
A RNN 是递归神经网络，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 . 这允许它展示动态时间行为 . 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，它将自下而上区域提议与由卷积神经网络计算的丰富特征相结合 . 随便说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的体系结构：
所以，回答你的问题：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 .
1 回答
你正在混淆不同的概念 . RNN与R-CNN不同 .
A RNN 是递归神经网络，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 . 这允许它展示动态时间行为 . 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，它将自下而上区域提议与由卷积神经网络计算的丰富特征相结合 . 随便说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的体系结构：
所以，回答你的问题：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 .