DEEP|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。
【DEEP|什么是端到端神经网络()】例子:
DEEP|什么是端到端神经网络()
文章图片

参 考 R C N N 这 几 篇 论 文 。 你 可 以 这 样 理 解 : 参考RCNN这几篇论文。你可以这样理解: 参考RCNN这几篇论文。你可以这样理解:
e n d ? t o ? e n d 训 练 只 用 一 个 阶 段 , 如 : 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 end?to?end训练只用一个阶段,如:FasterR?CNN
而 R ? C N N 、 F a s t R ? C N N 训 练 需 要 分 为 多 个 阶 段 : S S + 训 练 S V M + 训 练 边 框 回 归 器 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 而R?CNN、FastR?CNN训练需要分为多个阶段:SS+训练SVM+训练边框回归器

    推荐阅读