卷积神经网络

深度学习，自然免不了对于深度框架的学习，Pytorch是目前非常流行的一个深度学习框架

这里可以推荐学习b站 pytorch龙曲良 来进行深度框架的学习

说到深度学习，这里自然得介绍一下深度学习的应用方向了，CV领域和NILP领域

CV领域

​ 常见的研究领域有：图像生成、图像识别、生成对抗网络、图像预处理、边缘检测、纹理分析、光流、图像分割、变化检测、跨域学习、小样本学习、域适应、半监督学习、无监督学习、自监督学习、注意力机制、图卷积网络、元学习、目标检测、异常检测等等太多了，都是大领域。

​ 常用的CV模型有：VGG系列、Resnet系列、Densenet系列、inception系列、Googlenet系列

NLP领域

​ 常见的研究领域有：词义消解、指代消解、语义角色标注、中文分词、问答系统、情感倾向性分析、推荐系统、阅读理解、知识图谱、隐喻机器处理、命名实体识别、关系挖掘、事件提取、文本分类、信息检索、信息抽取、机器翻译等。

​ 常用的NLP模型有：RNN、Seq2Seq、Transformer、GRU、GPT、LSTM、Bert系列、Elmo、 XLNet等

NLP（自然语言处理）和CV（计算机视觉）是两个不同的领域，它们都是人工智能的重要分支

NLP旨在让计算机能够理解、解释和生成人类语言，CV旨在让计算机能够理解和处理图像和视频

NLP的任务包括文本分类、情感分析、问答系统、机器翻译等，而CV专注于图像识别、目标检测、图像分割、姿态估计等

这里我们只会重点介绍 CV 方向的东西

图像分类、目标检测、图像分割，这三个便是重点（当然也只是因为我用过这三个方向）

图像分类

​ 这个部分其实不需要过多进行介绍，因为我们的数字识别就是一个非常典型的分类问题

目标检测

​ 这个领域里面，YOLO算法是非常强的存在，YOLO（You Only Look Once）是一种实时目标检测系统，通过单个神经网络预测目标边界框和类别，英文名非常的霸气，译为 "你只需要看一次"，当然，它的效果配的上它的名字，如果你想深入学习YOLO，那么b站上面有着非常多的教程，YOLO的训练框架也是开源的，没有什么使用难度，效果如下，检测出下面的图片是 pikachu

图像分割

什么是图像分割？

​ 图像分割是指把图像分成各个具有相应特性的区域并提取出感兴趣的目标的技术和过程。

​ 特性可以是灰度、颜色、纹理等；目标可以对应单个区域，也可以对应多个区域

​ 下面是一个正位胸片分割模型的展示，使用 yolov5-seg 进行模型训练，效果也是相当不错