笔记-深度学习场景调研

深度学习的大潮如火如荼，但深度学习并非所有问题的最好答案。那么哪些方向已经较为成熟应用了深度学习并取得了较好效果呢，通过了解深度学习如何解决不同的问题，从而更深入理解深度学习算法的特点与适用性，做了相关调研，附上链接如下：

深度学习在图像领域的应用，图像分类、图像识别、语义分割、视频检测…这是深度学习最初放光的领域，也是当前研究的最热点，不同类型的网络层出不穷，很少的一部分沉淀下来成为了经典。理解CNN-based模型在图像领域的运用，能跟深刻地理解深度学习的本质（“深”与大数据“拟合”），以及工业界落地的成功案例。
基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN - CSDN博客

基于深度学习的目标检测算法综述

如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法？

计算机视觉四大基本任务的应用知识分享

深度学习-语义分割总结

别磨叽，学完这篇你也是图像识别专家了

如何妙笔勾檀妆：像素级语义理解

语义分割与深度学习全指南2017（译）

最后一届ImageNet榜单出炉：颜水成等中国团队夺多项冠军

深度学习在自动摘要方面的应用：
A Deep Reinforced Model for Abstractive Summarization

当深度学习遇见自动文本摘要

深度学习之文本摘要自动生成

深度学习运用于自动问答（对话管理）：
多轮对话之对话管理：Dialog Management

揭秘阿里小蜜：基于检索模型和生成模型相结合的聊天引擎

文本分类：
用深度学习解决大规模文本分类问题

图像领域的一个成熟落地案例-OCR：
基于深度学习的OCR-from 美團技術團隊

OCR识别-腾讯AI开放平台