6-深度学习应用（计算机视觉）
这是本系列的第 6 讲，重点不再是某一个基础模型，而是视觉方向里常见任务的整体版图。它适合作为 CNN 之后的延伸阅读，帮助你从“会做图像分类”走向“知道视觉问题还包括哪些任务，它们的输出形式和难点分别是什么”。
这讲主要讲什么
这一讲把计算机视觉中的多个子任务放在一起看，适合建立任务间的差异化理解。
- 目标检测：介绍两阶段方法、一阶段方法以及后续演进方向，帮助区分分类和检测的本质差别。
- 典型图像分析任务：覆盖图像分割、图像搜索和目标跟踪等常见方向。
- 特色图像分析任务：延伸到细粒度分类、风格迁移、图像标题 生成和超分辨率等更具体的专题。
- 垂直应用与实践：把视觉方法放到医学影像分析、文字检测识别等场景中，并以目标检测作为实践案例。
适合怎么学
- 学这一讲时，建议把每个任务的输入输出先分清楚。例如检测是框和类别，分割是像素级预测，跟踪则强调时序连续性。
- 如果你准备做工程项目，目标检测和分割通常最值得先深入，因为它们和真实场景的联系最直接。
- 不必试图一次掌握所有视觉专题，先建立任务地图，再按自己后续的项目方向挑一个继续深挖会更有效。