Некоторые преимущества свёрточных нейронных сетей (CNN):

• Инвариантность к сдвигу. 1 Сеть может распознавать объекты на изображении независимо от их местоположения. 1
• Общее использование параметров. 1 Один и тот же набор параметров применяется для всех частей входного изображения. 1 Это позволяет сети быть более компактной и эффективной. 1
• Иерархические представления. 1 Верхние слои сети изучают более сложные характеристики, а нижние слои — более простые элементы. 1
• Устойчивость к изменениям. 1 Это делает CNN надёжными для разных условий изображений. 1
• Обучение на всём пути от входных данных до вывода. 1 Это ускоряет процесс обучения и повышает общую производительность сети. 1

Некоторые недостатки CNN:

• Длительное время обучения. 2 Это связано с высокими требованиями к вычислительной мощности. 1
• Потребность в больших объёмах размеченных данных. 2 Это может быть серьёзным ограничением в обстоятельствах, когда доступно мало данных. 2
• Подверженность переобучению. 12 Сеть сосредотачивается на тренировочных данных и плохо применяет полученные знания к новым, неизвестным данным. 1
• Ограничения в задачах, требующих контекстного понимания. 1 Например, в обработке естественного языка. 1
• Не подходят для анализа глобальных контекстов, таких как смысл текста. 5
• Не подходят для табличных данных. 5 Это связано с тем, что, в отличие от пикселей, табличные данные неоднородны. 5