原文链接：https://mp.weixin.qq.com/s/z9QbjeoLoycDaawUV_QcCA

之前通过三篇文章简单介绍了机器学习常用的几种经典算法，当然也包括了目前很火的 CNNs 算法了：

这些算法各有各的优缺点和适用的领域，了解熟悉它们是很有必要的，但如何应用它们还需要具体问题具体分析，而机器学习常见的应用方向，包括以下几个：

等等

更详细的可以参考之前推荐过的一个网站：

这个网站非常详细划分了 16 个大方向，包括总共 1081 个子方向。如果想进入机器学习领域，首先还是选择一个方向领域，然后了解和熟悉该方向领域内所需要的算法，特定的解决技巧等。

当然，这篇文章主要介绍的是计算机视觉的应用，计算机视觉也算是这 16 个方向里面最热门也是发展最成熟的其中一个方向了。

计算机视觉可以分为以下几大方向：

虽然这里说的都是图像，但其实视频也属于计算机视觉的研究对象，所以还有视频分类、检测、生成，以及追踪，但篇幅的关系，以及目前研究工作方向也集中于图像，暂时就不介绍视频方面应用的内容。

每个方向会简单介绍该方向需要解决的问题，以及推荐一些 Github 项目、论文或者是综述文章。

图像分类，也可以称为图像识别，顾名思义，就是辨别图像是什么，或者说图像中的物体属于什么类别。

图像分类根据不同分类标准可以划分为很多种子方向。

比如根据类别标签，可以划分为：

根据分类对象，可以划分为：

根据类别数量，还可以分为：

推荐的 Github 项目如下：

论文：

文章：

常用的图像分类数据集：

Mnist：手写数字数据集，包含 60000 张训练集和 10000 张测试集。
Cifar：分为 Cifar10 和 Cifar100。前者包含 60000 张图片，总共10个类别，每类 6000 张图片。后者是 100 个类别，每个类别 600 张图片。类别包括猫狗鸟等动物、飞机汽车船等交通工具。
Imagenet：应该是目前最大的开源图像数据集，包含 1500 万张图片，2.2 万个类别。