一、按核心任务目标分类
1. 分类任务（Classification）
任务：给输入分配一个 / 多个类别标签
- 图像分类
- AlexNet（开启深度学习 CV）
- VGG16/19
- GoogLeNet（Inception v1/v3）
- ResNet（残差网络，解决深层退化）
- MobileNet（轻量化）
- ViT（Vision Transformer，纯 Transformer 做图像分类）
- 文本分类
- TextCNN
- LSTM/GRU
- BERT、RoBERTa、ALBERT
2. 回归任务（Regression）
任务：预测连续数值
- 深度回归模型
- MLP 回归
- CNN 回归分支
- LSTM 时序回归
- 应用场景：人脸关键点检测、目标框坐标回归、房价预测、流量预测
3. 目标检测（Object Detection）
任务：找出图中物体 → 位置 + 类别
- 两阶段（精度高）
- Faster R-CNN
- Mask R-CNN（检测 + 分割）
- 单阶段（速度快）
- SSD
- RetinaNet（解决正负样本不平衡）
- YOLOv3 / YOLOv5 / YOLOv8 / YOLOv9
- Transformer 检测
- DETR（End-to-End 检测）
- RT-DETR
4. 语义分割（Semantic Segmentation）
任务：对每个像素做分类（同一类物体不分个体）
- FCN（首个端到端分割）
- U-Net（医学图像分割标配）
- DeepLabv3+
- SegFormer（Transformer 分割）
5. 实例分割（Instance Segmentation）
任务：把每个物体单独抠出来（区分个体）
- Mask R-CNN
- SOLO
- YOLACT
6. 全景分割（Panoptic Segmentation）
任务：语义分割 + 实例分割 统一
- Panoptic FPN
- Mask2Former
7. 生成任务（Generation）
任务：从噪声 / 文本生成新数据
- 图像生成
- GAN、DCGAN、StyleGAN（高清人脸）
- VAE
- Stable Diffusion、DALL・E（文生图）
- 文本生成
- GPT（自回归）
- T5、BART
- LLaMA、Qwen
- 语音生成
- WaveNet
- Tacotron 2
8. 表征学习 / 自监督学习
任务：不依赖标签，学习通用特征
- SimCLR、MoCo v1/v2/v3（CV 对比学习）
- MAE（掩码图像建模）
- BERT（掩码语言模型 MLM）
9. 强化学习任务
任务：智能体通过奖励学习最优策略
- DQN
- A3C
- PPO（目前最常用）
- AlphaGo、AlphaZero
二、按学习范式分类
1. 监督学习（有标签）
- 代表模型：ResNet、Faster R-CNN、BERT、YOLO
2. 无监督学习（无标签，学数据分布）
- 聚类：K-Means（传统）、DeepCluster
- 生成：GAN、VAE
3. 自监督学习（自己造标签）
- CV：MAE、SimCLR、DINO
- NLP：BERT（MLM）
4. 半监督学习（少量标签 + 大量无标签）
- FixMatch
- 半监督 U-Net
5. 弱监督学习
- 仅用图像级标签做检测 / 分割
- CAM、WSSS
三、按数据模态分类
1. 计算机视觉（CV）
- 基础：AlexNet、VGG、ResNet、ViT
- 检测：Faster R-CNN、YOLO、DETR
- 分割：U-Net、DeepLabv3+
- 生成：StyleGAN、Stable Diffusion
2. 自然语言处理（NLP）
- 序列模型：LSTM、GRU
- 预训练模型：BERT、GPT、T5、LLaMA
3. 语音处理
- 语音识别：Conformer、Wav2Vec 2.0
- 语音合成：Tacotron 2、WaveNet
4. 多模态学习
- 图文对齐：CLIP
- 图文生成：DALL・E、Flux
- 多模态大模型：GPT-4V、LLaVA、BLIP-2
四、按基础网络架构分类
- MLP（前馈神经网络）
- 多层感知机，最基础结构
- CNN
- 图像主导：ResNet、VGG、U-Net
- RNN / LSTM / GRU
- 序列数据：文本、语音时序
- Transformer
- 全模态通用：ViT、BERT、GPT、DETR、MAE