最后，我开始学习神经网络，并想了解卷积深度信念网络和卷积网络之间的区别。在这里有一个类似的问题，但没有确切的答案。我们知道卷积深度信念网络是CNN和DBN的结合。因此，我打算进行对象识别。我想知道哪一种更好，或者它们的复杂性如何。我搜索过但没有找到任何信息，可能做错了什么。

回答：

我不知道你是否仍然需要答案，但无论如何，我希望你会发现这有用。

CDBN增加了DBN的复杂性，但如果你已经有一些背景知识，这并不算太多。
如果你担心的是计算复杂性，这实际上取决于你如何使用DBN部分。DBN的作用通常是初始化网络的权重以加快收敛。在这种情况下，DBN仅在预训练期间出现。
你也可以将整个DBN用作判别网络（保留其生成能力），但它提供的权重初始化对于判别任务已经足够。因此，在假设的实时使用中，这两个系统在性能上是相等的。

此外，第一个模型提供的权重初始化对像对象识别这样的困难任务确实很有帮助（即使是一个好的卷积神经网络单独也无法达到与人类相比的好成功率），所以它通常是一个不错的选择。