介绍

end-to-end，端对端，一端输入原始数据（图像），让模型自己去学习特征，一端输出想得到的结果，中间不再需要人工的参与

例子：

1. cnn就是比较典型的end2end模型。在图像分类里输入image各通道像素，输出图像类别

2. yolo ，只通过 CNN 网络，就能够实现目标的 定位 和 识别。
   也就是原始图像输入到CNN网络中，直接输出图像中所有目标的位置和目标的类别。

在计算机视觉、语音识别中都有应用

非end-to-end方法

以 RCNN 为例，这种方法需要先在图像中提取可能含有目标的候选框（region proposal）， 然后将这些候选框输入到CNN模型，让CNN判断候选框中是否真的有目标，以及目标的类别是什么。

这种方式由两部分组成：

1. 目标所在位置及大小
2. 目标的类别。