视觉深度学习类

应用场景：

工业质检：通过缺陷检测模型（如基于 Faster R-CNN 的 PCB 板瑕疵识别），自动识别产品表面划痕、变形等缺陷，精度可达 99% 以上，替代人工检测提升效率 10 倍以上。

智能安防：基于人脸检测与识别技术（如 ArcFace 算法）实现门禁系统、监控布控，支持万人级库实时比对，误识率低于百万分之一；行为分析模型可识别打架、跌倒等异常行为并触发报警。

医疗影像诊断：利用 U-Net 等分割模型对 CT、MRI 图像进行器官分割，或通过深度学习辅助检测肿瘤（如肺结节检测灵敏度达 95%），辅助医生提升诊断效率与准确性。

自动驾驶：通过视觉感知系统（如特斯拉 FSD 的纯视觉方案）识别车道线、行人、交通信号灯等，结合深度学习模型预测目标运动轨迹，为决策系统提供关键环境信息。

消费级应用：如手机摄影的 AI 美颜（基于语义分割的皮肤区域优化）、图像修复（Stable Diffusion 的破损图像补全）、AR 特效（实时人脸关键点追踪实现虚拟妆容叠加）等。