深度学习的大潮如火如荼,但深度学习并非所有问题的最好答案。那么哪些方向已经较为成熟应用了深度学习并取得了较好效果呢,通过了解深度学习如何解决不同的问题,从而更深入理解深度学习算法的特点与适用性,做了相关调研,附上链接如下:
深度学习在图像领域的应用,图像分类、图像识别、语义分割、视频检测…这是深度学习最初放光的领域,也是当前研究的最热点,不同类型的网络层出不穷,很少的一部分沉淀下来成为了经典。理解CNN-based模型在图像领域的运用,能跟深刻地理解深度学习的本质(“深”与大数据“拟合”),以及工业界落地的成功案例。
基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN - CSDN博客
基于深度学习的目标检测算法综述
如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法?
计算机视觉四大基本任务的应用知识分享
深度学习-语义分割总结
别磨叽,学完这篇你也是图像识别专家了
如何妙笔勾檀妆:像素级语义理解
语义分割与深度学习全指南(译)
最后一届ImageNet榜单出炉:颜水成等中国团队夺多项冠军
深度学习在自动摘要方面的应用:
A Deep Reinforced Model for Abstractive Summarization
当深度学习遇见自动文本摘要
深度学习之文本摘要自动生成
深度学习运用于自动问答(对话管理):
多轮对话之对话管理:Dialog Management
揭秘阿里小蜜:基于检索模型和生成模型相结合的聊天引擎
文本分类:
用深度学习解决大规模文本分类问题
图像领域的一个成熟落地案例-OCR:
基于深度学习的OCR-from 美團技術團隊
OCR识别-腾讯AI开放平台