深度学习引领了图像识别、语音识别和自然语言处理的革命，从ImageNet图像分类到物体识别，再到语音识别和自然语言处理，深度学习在各个领域都取得了显著成果。计算机视觉中，深度学习在图像分类和物体识别上超越人类，如人脸识别技术已广泛应用于娱乐、安防和风控行业。在语音识别方面，深度学习降低了错误率，推动了谷歌语音识别的进步。自然语言处理则利用深度学习实现了更智能的特征提取，如单词向量，提升了机器翻译和情感分析的准确性。
参考书籍《Tensorflow实战Google深度学习框架》郑泽宇等
深度学习最早兴起于图像识别，但是在短短的几年之内，深度学习推广到了机器学习的各个领域，并且都有很出色的表现。具体领域包含图像识别、语音识别、自然语言处理、机器人、生物信息处理、化学、电脑游戏、搜索引擎、网络广告投放、医学自动诊断和金融等各大领域均有应用。
计算机视觉
计算机视觉是深度学习技术最早实现突破性成就的领域。随着2012年深度学习算法AlexNet赢得图像分类比赛ILSVRC冠军，深度学习开始被人们熟知。ILSVRC是基于ImageNet图像数据集举办的图像识别比赛，在计算机视觉领域拥有极高的影响力。从12年15年之间，通过对深度学习算法的不断探究，ImageNet图像分类的错误率以每年4%速度递减
最低0.47元/天 解锁文章
585
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
