전통 체면의 장단점

기존 방법에서는 피쳐 추출이 주로 수작업으로 설계된 추출기에 의존하는데, 이를 위해서는 전문 지식과 복잡한 매개변수 조정 프로세스가 필요합니다. 동시에, 각 방법은 특정 앱을 겨냥한 것으로, 일반화 능력과 노봉이 떨어진다.

심화 학습은 주로 데이터 중심 피쳐 추출입니다. 대량의 샘플에 따르면, 깊이 있고, 데이터별 특징 표현을 얻을 수 있으며, 데이터 세트에 대한 표현이 더 효율적이고 정확하며, 추출된 추상적인 특징이 더 견고하고, 일반화 능력이 뛰어나며, 끝이 될 수 있습니다. 단점은 샘플 세트가 큰 영향을 미치고 계산 능력에 대한 요구가 높다는 것이다.