CNN RNN相同点:

传统神经网络扩展

前向计算产生结果，反向计算更新模型

每层神经网络横向可以多个神经元共存，纵向可以有多个神经网络连接

不同点：

组合

同时利用时间（RNN）和空间特征（CNN）

组合方式

CNN特征提取，用RNN语句生成->图片标注?????

RNN特征提取用于cNN内容分类->视频分类？？？

CNN特征用于对话问答->图片问答

组合方式实现

图片标注

问题描述：拥有大量图片以及标注信息，能否通过学习建立一个图片标注的模型

每个时刻都要加入FC特征v

数据准备

图片CNN特征提取

图片标注生成WOrd2vec向量

生成训练数据：图片特征+第n单词向量：第n+1单词向量

模型训练

图片标注模型运行

CNN特征提取

CNN特征+语句开头，单词逐个预测？？？？？？？

图片标注升级-详细标注

DenseCap？？？

视频行为识别

RNN进行关键帧提取？??????

视频目标检测

图片/视频问答 Visual Question-Answering

图片问答意义：

对纯文本语言问答系统的扩展

图片理解和语言处理的深度融合

提高人工智能应用范围-观察，思考，表达

纯文字问答系统