dgcnn和cnn区别
时间: 2023-08-01 19:08:32 浏览: 63
DGCNN(Dynamic Graph Convolutional Neural Network)是一种基于图卷积神经网络的模型,而CNN(Convolutional Neural Network)是一种经典的卷积神经网络模型。它们之间的区别主要体现在以下几个方面:
1. 数据表示:DGCNN将点云数据表示为一个图,其中每个点对应图中的一个节点,而图中的每条边对应点之间的特征,称为边特征(Edge-feature)。而CNN则将输入数据表示为一个二维或三维的张量。
2. 网络结构:DGCNN的网络结构是基于图卷积神经网络的,它通过动态图卷积操作来处理图数据。而CNN则是通过卷积层、池化层和全连接层等组成的经典卷积神经网络结构。
3. 模型应用:DGCNN主要应用于处理点云数据,如三维物体识别、点云分割等任务。而CNN广泛应用于图像处理领域,如图像分类、目标检测等任务。
总的来说,DGCNN是一种专门用于处理图数据的神经网络模型,而CNN是一种经典的卷积神经网络模型,主要应用于图像处理领域。
#### 引用[.reference_title]
- *1* [基于CNN的阅读理解式问答模型:DGCNN](https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/79972020)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [基于DGCNN和概率图的"三元组"信息抽取模型](https://blog.csdn.net/demm868/article/details/103053323)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [Dynamic Graph CNN for Learning on Point Clouds(DGCNN)论文阅读笔记——核心思想:EdgeConv细析](https://blog.csdn.net/weixin_43977640/article/details/111240030)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)