以下哪些 CNN 模型用于哪个计算机视觉任务？
Which of the following CNN models are used for which computer vision task?
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，
神经风格迁移：图像生成，
滑动Windows检测算法：物体检测，
R-CNN：目标检测，
YOLO：物体检测，
连体网络：图像识别，
U-Net：语义分割
如有错误，请指正。谢谢！
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不同，CNN 最好根据它们所做的不同进行研究。最初 CNN 是为图像分类而设计的，但同一个网络在最后一层稍作修改后就可用于对象检测。例如，Faster RCNN（专为对象检测而设计）可以使用任何专为分类设计的架构，例如 VGG、ResNet 等 (link). Similarly Faster-RCNN can be modified to do segmentation task in Mask-RCNN architecture (link)。
这是一张图表，显示了深度 CNN 的进化历史，展示了架构创新 (source)
这是另一个分类法，显示了基于架构风格的不同类别。
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，
神经风格迁移：图像生成，
滑动Windows检测算法：物体检测，
R-CNN：目标检测，
YOLO：物体检测，
连体网络：图像识别，
U-Net：语义分割
如有错误，请指正。谢谢！
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不同，CNN 最好根据它们所做的不同进行研究。最初 CNN 是为图像分类而设计的，但同一个网络在最后一层稍作修改后就可用于对象检测。例如，Faster RCNN（专为对象检测而设计）可以使用任何专为分类设计的架构，例如 VGG、ResNet 等 (link). Similarly Faster-RCNN can be modified to do segmentation task in Mask-RCNN architecture (link)。
这是一张图表，显示了深度 CNN 的进化历史，展示了架构创新 (source)
这是另一个分类法，显示了基于架构风格的不同类别。