computer-vision - 以下哪些 CNN 模型用于哪个计算机视觉任务？

Question

我的分类正确吗？

LeNet-5：图像分类，
AlexNet：图像分类，
VGG-16：图像分类，
ResNet：图像分类，
Inception模块：图像分类，
MobileNet：图像分类，
EfficientNet：图像分类，
Neural Style Transfer：图像生成，
Sliding Windows Detection算法：物体检测，
R-CNN：物体检测，
YOLO：物体检测，
连体网络：图像识别，
U-Net：语义分割

如果错了，请纠正我。谢谢！

Answer 1

如果目的是-为什么最初发明它们，那么您的分类是正确的。然而，与基于任务的分类法相比，CNN 更好地根据它们所做的不同来进行研究。最初 CNN 是为图像分类而设计的，但相同的网络适用于对象检测，最后一层稍作修改。例如，Faster RCNN（为对象检测而设计）可以使用任何为分类而设计的架构，例如 VGG、ResNet 等（链接）。同样，可以修改 Faster-RCNN 以在 Mask-RCNN 架构中执行分割任务（链接）。

这是一张图表，展示了深度 CNN 的进化历史，展示了架构创新（来源）

这是另一个分类法，显示了基于架构风格的不同类别。