任务5：深度学习的总结

更多的应用领域

• 压缩
  Auto-encoder, self-organizing maps
  比如说用CNN做图像分类的时候，网络中间的卷积层实际上在做的是特征提取，也就是对图像经行coding，压缩；

• 生成图像描述Image Captioning
  结合递归神经网络

• 图像风格化转移 Image Stylization

• 基于内容的图像 Image Retrieval

• …

结论

• 更强大，可以自动从数据中学习特征，无需人工提取特征，所以可以更加节约时间，而且会更好，比如说自动提取空间和图像结合的特征，有些是人脑无法想象的，神经网络可以把图片中的物体的形状、颜色、纹理等给抽象的提取出来；

• 更深的网络具有更好的能力
  但是要防止过拟合

• 更大的数据量
  数据质量 （数据集是否均衡等）
  数据标注