什么是端到端神经网络?

简单来说就是深度神经网络处理问题不需要像传统模型那样,如同生产线般一步步去处理输入数据直至输出最后的结果(其中每一步处理过程都是经过人为考量设定好的 (“hand-crafted” function))。

与之相反,只需给出输入数据以及输出,神经网络就可以通过训练自动“学得”之前那些一步接一步的 “hand-crafted” functions。

换句话说端到端其实就是从一端(输入,原始数据)到另一端(输出,结果)的意思。也就是说,端到端意味着,模型的输入是原始的数据,模型的输出是我们想要的结果,在输入和输出的这个过程可以理解为一个黑盒子,是不需要我们手动干涉的。

例子:

在这里插入图片描述

R

C

N

N

参考RCNN这几篇论文。你可以这样理解:

RCNN

e

n

d

t

o

e

n

d

F

a

s

t

e

r

R

C

N

N

end-to-end训练只用一个阶段,如:Faster R-CNN

endtoendFasterRCNN

R

C

N

N

F

a

s

t

R

C

N

N

S

S

+

S

V

M

+

而R-CNN、Fast R-CNN训练需要分为多个阶段:SS+训练SVM+训练边框回归器

RCNNFastRCNNSS+SVM+

版权声明:本文为CSDN博主「迪菲赫尔曼」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_43694096/article/details/121716679

迪菲赫尔曼

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测评估指标 mAP P R

R(召回率recall)正确预测的正样本数/实际拥有的正样本数 P(准确率precision)正确预测的正样本数/总预测样本数 R是查全率,P是查准率,是两个