深度学习的应用场景

一、感知器 输入x(x1,x2...)->组合函数c()-> b偏差（权重w1,w1...）->激活函数a()-> 输出y 多层感知器（MLP） 二、卷积神经网络（CNN） 2.1两种广泛应用的DNN：CNN 和RNN CNN（卷积神经网络） ----图像识别 Convolutional Neural Network RNN（循环神经网络） ----序列预测（文本，视频，语音，时间序列） Recurrent Neural Network 2.2用场景 CNN（卷积神经网络） 图像识别 图像分类 目标检索/定位 图像搜索 人脸识别：人脸检测/人脸分析（性别，年龄，微笑） 人脸比对（判断） 人脸搜索（数据库中搜索） 无人驾驶：定位， 感知， 决策， 控制 拍照食物/搜索： 识别花朵/拍照购物/以图搜图 物体检测和定位： 图片中的物体 风格迁移： 模仿大师的绘画风格 图片智能审核 色情过滤/暴力过滤/广告过滤/识别二维码 RNN（循环神经网络） 时间序列预测（天气、股票） 情感分析（正面、负面） 模拟写作：模仿作家风格写作 看图说话：自动给图片生成标题 机器翻译 一、感知器 输入x(x1,x2...)->组合函数c()-> b偏差（权重w1,w1...）