深度学习分支

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