① 图像分类：

将一张图像分到预定义的几个类别中，例如将图像分类为动物、车辆、植物等。

② 目标检测：

在一张图像中定位并标出特定物体的位置和大小，例如在一张街景图像中检测汽车或行人。

③ 语义分割：

将图像中的每个像素标记为属于哪个对象或物体，例如将图像中的人、树、汽车等区分开来。

④实例分割：

与语义分割类似，但它可以区分同一类物体的不同实例，例如将图像中的多个人分别标注出来。

⑤人脸识别：

将一张图像中的人脸与已知的人脸库进行匹配，以识别出这个人的身份。

⑥姿态估计：

估计图像中人或物体的姿态，例如人体关键点检测、三维物体姿态估计等。

⑦ 图像生成：

使用深度学习模型生成符合某种特定条件的图像，例如GAN（生成对抗网络）等。

⑧弱监督学习：

通过利用比较少的有标注数据进行学习，从而在分类、检测等任务中实现更好的性能。

⑨迁移学习：

将已经在其他任务上训练好的模型迁移到新的任务上，从而减少训练时间和数据需求，提高模型性能。