目录
- 深度学习的主要应用方向
- 1️⃣ 计算机视觉（Computer Vision, CV）
- 2️⃣ 语音处理（Speech AI）
- 3️⃣ 多模态（Multimodal）
- 4️⃣ 推荐系统
- 5️⃣ 强化学习（RL）
- 6️⃣ 科学与工业领域
- 核心认知（重要）
是的，而且不止视觉处理。
你要区分清楚两个维度：
- 深度学习（Deep Learning）是方法论
- 下面是不同的应用方向（Application Domains）
深度学习的主要应用方向
人工智能（AI）└── 机器学习（ML）└── 深度学习（DL）├── NLP（自然语言处理）├── CV（计算机视觉）├── Speech（语音处理）├── 多模态（Multimodal）├── 推荐系统├── 强化学习└── 科学计算/生物医药
1️⃣ 计算机视觉（Computer Vision, CV）
这是和 NLP 并列的最大方向之一。
研究内容：
- 图像分类
- 目标检测
- 图像分割
- 人脸识别
- OCR
- 视频理解
- 图像生成（Diffusion）
核心模型：
- CNN
- Vision Transformer (ViT)
- YOLO
- ResNet
- SAM
2️⃣ 语音处理（Speech AI）
包括：
- 语音识别（ASR）
- 语音合成（TTS）
- 声纹识别
- 语音增强
现在大量使用：
- Transformer
- Conformer
- Whisper类模型
3️⃣ 多模态（Multimodal）
这是当前最前沿方向：
- 图文理解（CLIP）
- 文生图（Stable Diffusion）
- 图生文（BLIP）
- GPT-4o 类模型
特点：融合 NLP + CV + Speech
4️⃣ 推荐系统
电商、短视频平台核心算法：
- DNN
- Wide & Deep
- DeepFM
- Transformer-based ranking
5️⃣ 强化学习（RL）
- AlphaGo
- 自动驾驶
- 机器人控制
- RLHF（大模型训练）
6️⃣ 科学与工业领域
- 蛋白质结构预测（AlphaFold）
- 药物发现
- 金融预测
- 天气建模
核心认知（重要）
深度学习 ≠ NLP
深度学习 ≠ 视觉
它是一个“统一建模框架”。
今天的趋势是：
Transformer 正在统一 NLP、CV、Speech
例如：
- ViT 把视觉当作序列处理
- GPT 处理图像 patch
- 多模态模型共享 backbone