在深度学习和计算机视觉领域,卷积神经网络(Convolutional Neural Network, CNN)和深度卷积神经网络(Deep Convolutional Neural Network, DCNN)是两个常被提及的概念。尽管它们之间存在一定的联系,但在网络结构和应用上存在一些关键差异。以下是对DCNN和CNN区别的详细阐述: 一、定义与基础概念 CNN:
CNN也没有pre-train过程，训练算法也是用BP。因为加入卷积可以更好的处理2D数据，例如图像和语音。并且目前看来相比其它网络有更好的表现。dnn/dbn/sda等都是处理1D的数据。
比dnn利用各种算法来初始化权值矩阵,从经验上来看是有帮助的。但是缺点也很明显,每层的贪婪学**值矩阵,也带来了过长的训练时间。在大量的数据面前 dnn(relu)的效果已经不差于预训练的深度学习结构了。最终DBN也是看成是“生成模型”。 CNN 也没有pre-train过程,训练算法也是用BP。 因为加入卷积 可以更好的处理...