计算机视觉常用深度学习算法

1. 卷积神经网络（CNN）：用于图像分类、目标检测、图像分割等任务。

2. 循环神经网络（RNN）：用于序列数据分析，如自然语言处理、语音识别等。

3. 长短时记忆网络（LSTM）：一种特殊的RNN，用于解决长序列数据中的梯度消失问题。

4. 生成对抗网络（GAN）：用于图像生成、图像修复、图像超分辨率等任务。

5. 物体检测算法：包括YOLO、Faster R-CNN、SSD等，用于识别图像中的物体并标注其位置。

6. 语义分割算法：用于将图像中的每个像素分配到不同的类别中，如FCN、SegNet等。

7. 实例分割算法：同时识别图像中的物体并标注其位置和边界，如Mask R-CNN。

8. 图像转换算法：将图像从一个领域转换到另一个领域，如风格迁移、图像着色等。

9. 人脸识别算法：用于识别图像中的人脸并进行人脸认证或人脸检索，如FaceNet、DeepFace等。

10. 图像去噪算法：用于去除图像中的噪声，如DnCNN、RED等。