对于图像分类任务，相对于全连接的DNN，CNN模型的主要优点有哪些？
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了对于图像分类任务，相对于全连接的DNN，CNN模型的主要优点有哪些？相关的知识，希望对你有一定的参考价值。
对于图像分类任务，相对于全连接的DNN，CNN模型的主要优点有哪些？
CNN相对于全连接的DNN（deep neural network）的优势包括一下几个方面：
第一，由于CNN的权重是高度复用的，CNN的权重参数比全连接的DNN少很多，这使得CNN模型的训练速度快而且还不易于发生过拟合的问题，并且使用相对更少的数据达到训练的目标。
第二，当CNN学会识别图像中的某些特定特征的时候，它可以在图片的任何位置检测到类似的特征。相反全连接的DNN模型学习到某种特征的时候，只有在特定的位置出现才能进行有效的识别。因为图像通常具有更复杂的特征而且经常出现目标区域相对位置、角度、方向变化的情况。所以，在图像处理任务CNN模型更好，具有位
以上是关于对于图像分类任务，相对于全连接的DNN，CNN模型的主要优点有哪些？的主要内容，如果未能解决你的问题，请参考以下文章
【自然语言处理】CNN在NLP文本分类任务上的经典之作——TextCNN
DNN结构演进History—CNN( 优化，LeNet, AlexNet )
keras构建卷积神经网络（CNN(Convolutional Neural Networks)）进行图像分类模型构建和学习