原因
- CNN模型输入的一般都是图像矩阵,然后通过卷积操作进行特征提取,每次卷积都会考虑特征的上下文信息,并且随着模型的加深,从浅层提取的局部特征不断地处理、整合得到深层的高维特征。在这个过程中,特征的整合是缓慢有序发生的。同时,卷及操作还具有平移不变形特性,只管来解释就是:一个物体在图像中的任何区域都能被正确识别。因此,CNN在处理图像特征时候更具优势。
- DNN的输入时向量形式,并未考虑到图像的结构信息,每一层都会做一个全局的特征提取,但是由于这个过程并非递进的,因此最终的特征质量并不好,因此难以在图像领域发挥出优势。
博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟,喜欢请关注、点赞、收藏。