2 深度学习的典型应用
作者:姜正
时间:2021年9月2日
联系方式:jiangz@cug.edu.cn
2.1 深度学习在语音处理中的研究方向和应用
2.1.1 研究方向
分类、质量评测、增强、指纹识别、检索、唤醒、识别、合成与生成等。
2.1.2 应用
音乐测评、Auto speech enhancement(降噪、加强原声)、Text to speech(合成主播)、Wave synthesis(自主音乐制作)。
2.1.3 常用算法(algorithm)
Keyword spotting、ASR、speaker recognition等。
2.2 深度学习在计算机视觉中的研究方向和应用
2.2.1 研究方向
图像编辑、重建、生成、超分辨率、增强、去模糊、分类、分割、检测、识别、跟踪、图像质量分析、降噪与修复。
2.2.2 应用
Object segmentation(图像分割)、Object detection(目标检测)、目标识别及人脸识别、Object tracking(目标跟踪)、Image denosing、Neural-based style transfer and image translation(基于神经网络的图像风格化及图像翻译)、Image synthesis(生成原始数据集)、Scene reconstruction(基于二维图像重建三维图像——视觉Slame、VR虚拟现实)、face attribute edit等。
2.3 自然语言处理
2.3.1 研究方向
文本分类与聚类、文章标签和摘要提取、文本审核与舆情分析、机器翻译、阅读理解、聊天机器人、搜索引擎等。
2.3.2 应用
文本基本任务:预处理、向量化、分词、词性标注、文本结构化、Text classification、Abstract extraction。