【深度学习篇】---CNN和RNN结合与对比，实例讲解

推荐下我自己建的人工智能Python学习群:【809160367】，群里都是学Python的，如果你想学或者正在学习Python ，欢迎你加入，大家都是软件开发党，不定期分享干货，还有免费直播课程领取。包括我自己整理的一份2021最新的Python进阶资料和零基础教学，欢迎进阶中和对Python感兴趣的小伙伴加入！还可以扫码加VX领取资料哦！

下面是正文

一、前述

CNN和RNN几乎占据着深度学习的半壁江山，所以本文将着重讲解CNN+RNN的各种组合方式，以及CNN和RNN的对比。

二、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：
    2.1. 传统神经网络的扩展。
    2.2. 前向计算产生结果，反向计算模型更新。
    2.3. 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
    3.1. 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
    3.2. 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
   3. 3. CNN高级100+深度，RNN深度有限

三、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。

四、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：

1.1 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。

1.2 模型设计－数据准备

1. 图片CNN特征提取
2. 图片标注生成Word2Vect 向量
3. 生成训练数据：图片特征＋第n单词向量：第n＋1单词向量。

1.3 模型训练：
1. 运用迁移学习，CNN特征，语句特征应用已有模型
2. 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)
3. 训练时间很长。

1.4 模型运行：

1. CNN特征提取
2. 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？

2.1常用方法总结：

RNN用于CNN特征融合

1. CNN 特征提取

2. LSTM判断

3. 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。

2.2 RNN用于CNN特征筛选＋融合：

1. 并不是所有的视频图像包含确定分类信息

2. RNN用于确定哪些frame 是有用的

3. 对有用的图像特征融合。

2.3 RNN用于，目标检测：

1. CNN直接产生目标候选区

2. LSTM对产生候选区融合（相邻时刻位置近似）

3. 确定最终的精确位置。

2.4 多种模型综合：

竞赛／应用中，为了产生最好结果，多采用多模型ensemble形式。

3、图片／视频问答

3.1 问题种类

3.2 图片问答意义
1. 是对纯文本语言问答系统的扩展
2. 图片理解和语言处理的深度融合
3. 提高人工智能应用范围－观察，思考，表达

【深度学习篇】---CNN和RNN结合与对比，实例讲解相关推荐

【深度学习】CNN与RNN有什么不同？
1982年由David Hasselhoff主演的热播美剧<霹雳游侠>可谓有先见之明,剧中有一辆充满未来感的"庞蒂亚克火鸟"汽车.这辆会说话的自动驾驶汽车也以好莱坞的方 ...
Tensorflow【实战Google深度学习框架】—Logistic regression逻辑回归模型实例讲解
文章目录 1.前言 2.程序详细讲解环境设定数据读取准备好placeholder,开好容器来装数据准备好参数/权重拿到每个类别的score 计算多分类softmax的loss functio ...
Python深度学习篇六《深度学习用于文本和序列》
前言前期回顾: Python深度学习篇五<深度学习用于计算机视觉> 上面这篇里面写了计算机视觉相关. 卷积神经网络是解决视觉分类问题的最佳工具. 卷积神经网络通过学习模块化模式和概念的层 ...
脑电EEG代码开源分享【6. 分类模型-深度学习篇】
往期文章希望了解更多的道友点这里 0. 分享[脑机接口 + 人工智能]的学习之路 1.1 . 脑电EEG代码开源分享 [1.前置准备-静息态篇] 1.2 . 脑电EEG代码开源分享 [1.前置准备- ...
[Python人工智能] 三十.Keras深度学习构建CNN识别阿拉伯手写文字图像
从本专栏开始,作者正式研究Python深度学习.神经网络及人工智能相关知识.前一篇文章分享了生成对抗网络GAN的基础知识,包括什么是GAN.常用算法(CGAN.DCGAN.infoGAN.WGAN). ...
[Python图像识别] 四十七.Keras深度学习构建CNN识别阿拉伯手写文字图像
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
阿里云天池大赛赛题解析――深度学习篇
作者:天池平台出版社:电子工业出版社品牌:电子工业出版社出版时间:2021-09-01 阿里云天池大赛赛题解析――深度学习篇
【深度学习】CNN神经网络应用（用于亚洲大黄蜂分类）
[深度学习]CNN神经网络应用(用于亚洲大黄蜂分类) 文章目录 1 概述 2 假设条件 3 网络结构 4 数据集和参数 5 Asian hornet classification experiment ...
[caffe]深度学习之CNN检测object detection方法摘要介绍
[caffe]深度学习之CNN检测object detection方法摘要介绍 2015-08-17 17:44 3276人阅读评论(1) 收藏举报一两年cnn在检测这块的发展突飞猛进,下面详 ...
阿里云天池大赛赛题解析——深度学习篇
阿里云天池大赛赛题解析--深度学习篇 (豆瓣)图书阿里云天池大赛赛题解析--深度学习篇介绍.书评.论坛及推荐 https://book.douban.com/subject/35596114/

【深度学习篇】---CNN和RNN结合与对比，实例讲解

【深度学习篇】---CNN和RNN结合与对比，实例讲解相关推荐

最新文章

热门文章